Core Concepts
オンラインオークションにおいて、予算とROI制約下で、最適な入札関数に対する後悔のない自動入札アルゴリズムを設計する。
Abstract
本論文では、オンラインオークションにおける自動入札アルゴリズムの設計について研究している。具体的には、T回のオークションが行われ、各ラウンドで1つの商品が売却される状況を考える。各ラウンドで、入札者の価値と最高の競争入札は未知の分布から独立にサンプリングされる。入札者には予算制約とROI(投資収益率)制約があり、これらの制約を満たしつつ、価値の最大化または準線形効用の最大化を目指す。
提案するアルゴリズムは、完全情報フィードバックの設定で、ベストなリプシッツ関数に対する後悔が√T近傍に抑えられることを示す。この結果は、様々な組み合わせの第一価格オークションと第二価格オークションに適用できる。さらに、価値最大化と準線形効用最大化の両方のケースに対応する。
一方、バンディット情報の設定では、第一価格オークションにおいて、任意のアルゴリズムの後悔が T^(2/3)以上になることを示す下界を提示する。これは完全情報の設定と大きな差がある。また、バンディット情報の設定で、価値分布が入札最高値から独立の場合、T^(3/4)の後悔上界を持つアルゴリズムも提案する。
Stats
各ラウンドの入札者の価値 vt と最高競争入札 dt は未知の分布から独立にサンプリングされる。
入札者には予算制約 B と ROI制約 γ≥1 がある。
支払関数 p(b,d)は第一価格オークション、第二価格オークション、またはそれらの混合形式に対応する。