学习针对预算和ROI约束的买家进行定价
摘要：通过重复发布价格机制学习和定价广告展示将最大化收益。我们为卖方提出了一种学习算法，利用一个剧情式的二分搜索过程来确定最佳售价。我们证明，当每个剧集内预算和投资回报率约束的买方基本符合发布价格时，这样简单的学习算法能够获得较低的卖方遗憾。我们提出了简单而自然的买方出价算法，买方在满足预算和投资回报率约束的同时也能基本符合发布价格，从而我们提出的卖方定价算法的遗憾较低。我们的卖方算法的设计是基于一个事实，即当买方在预算和投资回报率约束下最佳响应价格时，卖方的收益函数呈钟形结构，从而使我们的卖方算法能够有效识别收益最优的销售价格。
作者：Negin Golrezaei, Patrick Jaillet, Jason Cheuk Nam Liang, Vahab Mirrokni
论文ID：2107.07725
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2023-02-08