机器学习方法用于公共项目问题的自动机制设计
摘要：机制设计是微观经济学中的一个重要研究领域。一个有效的机制可以显著改善社会决策的性能和效率，以实现最大化社会福利或最大化代理人收入等预期目标。然而，机制设计对于许多常见模型来说都是具有挑战性的，包括我们在本论文中研究的公共项目问题模型。典型的公共项目问题是一组代理人通过众筹方式筹集公共项目的资金（例如修建一座桥梁）。机制根据代理人的估值来决定每个代理人的付款和分配（例如代理人需要支付多少以及是否能够使用该项目）。该机制可以应用于各种经济场景，包括与网络安全相关的场景。不同的公共项目场景（子问题）具有不同的约束和优化目标，因此设计一个适用于所有场景的通用机制是不现实的，而且为不同的设置手动设计机制是一项费力的工作。因此，我们探索了在不同约束条件下的公共项目问题的自动化机制设计（AMD）。 在本论文中，我们重点研究公共项目问题，其中包括许多子问题（包括可排除/不可排除、可分割/不可分割、二元/非二元等）。我们研究了经典的公共项目模型，并将该模型扩展到其他相关领域，如零日漏洞市场。针对公共项目问题的不同子问题，我们采用不同的新颖机器学习技术通过自动化机制设计来设计最优或接近最优的机制。我们通过理论分析或实验比较我们的机制与现有机制的性能来评估我们的机制。实验和理论结果表明，我们的机制优于现有的自动化或手动机制。
作者：Guanhua Wang
论文ID：2204.07315
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2022-04-18