iMLCA: Machine Learning-powered Iterative Combinatorial Auctions with Interval Bidding
iMLCA: Machine Learning-powered Iterative Combinatorial Auctions with Interval Bidding
复制标题
iMLCA：机器学习驱动的迭代组合拍卖与区间竞价
DOI：
10.1145/3465456.3467535
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Seuken, Sven
中科院分区：
文献类型：
--
作者：
Beyeler, Manuel;Brero, Gianluca;Lubin, Benjamin;Seuken, Sven
我们研究了具有大量物品的域的迭代组合拍卖的设计。在这些领域中，偏好诱导是一个主要的挑战，因为捆绑空间的项目数量呈指数级增长。为了保持偏好诱导的可管理性，最近的工作采用了机器学习（ML）算法，该算法识别出一小组捆绑包，以从每个投标人那里查询。然而，这项先前工作的一个主要限制是，投标人必须为查询的捆绑包提交准确的价值，这对他们来说可能是相当昂贵的。为了解决这个问题，我们提出了iMLCA，一个新的ML供电拍卖与区间投标（即，其中投标人提交所查询的捆绑包的上限和下限）。为了引导拍卖走向有效的分配，我们引入了一个新的基于价格的活动规则，要求投标人收紧相关捆绑的界限。活动规则的设计，使拍卖师收到足够的信息，投标人的喜好，以实现高效率和良好的激励，同时最大限度地减少诱导成本。我们的实验表明，iMLCA，尽管只引起区间出价，达到几乎相同的分配效率，要求投标人提交确切的价值之前的拍卖设计。最后，我们表明，iMLCA击败了著名的组合时钟拍卖在一个现实大小的域。
We study the design of iterative combinatorial auctions for domains with a large number of items. In such domains, preference elicitation is a major challenge because the bundle space grows exponentially in the number of items. To keep preference elicitation manageable, recent work has employed machine learning (ML) algorithms that identify a small set of bundles to query from each bidder. However, a major limitation of this prior work is that bidders must submit exact values for the queried bundles, which can be quite costly for them. To address this, we propose iMLCA, a new ML-powered auction with interval bidding (i.e., where bidders submit upper and lower bounds for the queried bundles). To steer the auction towards an efficient allocation, we introduce a new price-based activity rule, asking bidders to tighten bounds on relevant bundles only. The activity rule is designed such that the auctioneer receives enough information about bidders' preferences to achieve high efficiency and good incentives, while minimizing elicitation costs. Our experiments show that iMLCA, despite only eliciting interval bids, achieves almost the same allocative efficiency as the prior auction design that required bidders to submit exact values. Finally, we show that iMLCA beats the well-known combinatorial clock auction in a realistically-sized domain.
登录
查看更多内容
通过基于机器学习的偏好诱导进行组合拍卖
DOI：
--
发表时间：
2018
期刊：
International Joint Conference on Artificial Intelligence
影响因子：
--
作者：
Gianluca Brero;Benjamin Lubin;Sven Seuken
通讯作者：
Sven Seuken
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
D. Parkes
通讯作者：
D. Parkes
TBBL：用于迭代组合交换的基于树的投标语言
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
R. Cavallo;D. Parkes;A. I. Juda;Adam Kirsch;A. Kulesza;Sébastien Lahaie;Benjamin Lubin;Loizos Michael;Jeffery Shneidman
通讯作者：
Jeffery Shneidman
DOI：
--
发表时间：
2017
期刊：
AAAI Conference on Artificial Intelligence
影响因子：
--
作者：
Gianluca Brero;Sébastien Lahaie
通讯作者：
Sébastien Lahaie
多单位拍卖中投标公司的委托代理模型
DOI：
--
发表时间：
2016
期刊：
International Conference on Interaction Sciences
影响因子：
--
作者：
P. Paulsen;M. Bichler
通讯作者：
M. Bichler