无限供应的顺序商品定价
摘要：价格更新可以在很少有关于需求的先验信息的情况下提高卖方的收入程度。我们研究了一个无限供应n个物品类型面对m个短视的购买者，他们每天都出现在k < log n天中的卖方的无先验信息的收入最大化问题。对于静态（k = 1）情况，Balcan等人证明，在每个物品上随机设置相同价格可以使得收入达到最优解的Theta(log m + log n)倍，并且这个倍数是紧的。我们定义了买方估值的遗传最大化属性（适用于任何多单位或总代替估值），这足以显著提高动态（k > 1）环境中的近似因子。我们的主要结果是一个非递增的、随机的k个相同物品价格的时间表，其预期收入在私人估值具有遗传最大化器的情况下接近最优解的O((log m + log n) / k)倍。这个因子几乎是紧的：我们证明了任何在k天内的定价方案的收入近似因子至少为(log m + log n) / (3k)。如果所有估值具有相同的最大值，我们获得了相应的Theta((log n) / k)的下界和上界匹配。我们预计我们的上界技术对更广泛的问题感兴趣；例如，可以显著改进Akhlaghpour等人的结果。我们还在给予购买者之间组合估值的分配外部性（即影响）的情况下开始了收入最大化研究。我们提供了一个相对通用的模型，描述了他人对一个购买者估值的物品所有权的积极影响。对于带有遗传最大化器的仿射、次模外部性和估值，我们基于私人估值的算法提出了一种基于影响和利用的（Hartline等人）营销策略。尽管最优收入增加了（由于外部性）一个仿射项，这个策略仍然保持了我们的近似因子。
作者：Maria-Florina Balcan and Florin Constantin
论文ID：1009.4606
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2010-11-02