基于行为博弈论的连续组合拍卖策略及优化方法研究

Combinatorial auction is one of the effective methods to solve the combination of resource allocation,continuous combinatorial auction is a dynamic combinatorial auction problem with continuous trading for many times,participants in the process of repeated game are constantly adjust their strategy.In order to control social utility maximization of the auction through effective means,aiming at solving some problems,such as incomplete information, asymmetrical information, low success rate and inefficiency in continuous combinatorial auction,this project take the design for optimal auction mechanism,prediction for the opponent's strategy and the selection for the optimal strategy as the basis of analyzing the problem, evolutionary Bayesian game and behavior game theory are employed as the main theoretical foundation,the following research issues will be investigated in the project: (1) to design the multi-agent continuous combination auction with optimal auction mechanism based on modeling bidding behaviours;(2) to design a click-through rate prediction model based on modeling consumption features for continuous combinatorial auction under the premise of maximizing the expected benefit of resource bidders; (3) to propose bidding prediction models based on dynamic bayesian learning; (4) to propose a combination auction winner determination algorithm using the idea of co-evolution; (5) to design an efficient multi-objective optimization algorithm. The project will provide a theoretical foundation and also efficient solving methods for solving the problems in continuous transactions resource allocation.

组合拍卖是解决组合资源分配的有效方法，连续组合拍卖是具有连续进行多次交易过程的组合拍卖问题，具有随时间演化的动态特性，参与者在重复博弈过程中都在不断调整自己的博弈策略。为了通过有效的手段控制拍卖的社会效益最大化，本项目以设计最优拍卖机制，预测对手的拍卖策略和选择最优的拍卖策略为分析问题的基础，以演化博弈论和行为博弈论为主要理论工具，解决连续组合拍卖中存在的信息不完全、不对称、成功率低、效率低等问题，具体内容包括：(1)设计一种基于竞标行为建模的最优拍卖机制；(2)以竞拍者预期收益最大化为前提，研究基于在线消费特征建模的点击率预测方法；(3)建立基于动态贝叶斯学习的竞拍策略预测模型；(4)采用协同演化的思想，设计连续组合拍卖的竞胜标确定算法；(5)设计能有效解决竞拍模型中的多目标问题的优化算法。本项目为解决电子商务中连续交易的资源分配问题提供科学的理论研究基础和高效求解方法。

组合拍卖是解决电子商务市场中组合资源分配的有效方法。为使拍卖的社会效益最大化，本项目以设计最优拍卖机制、预测对手的拍卖策略和选择最优拍卖策略为目标，解决连续组合拍卖中存在成功率低、效率低等问题，具体内容包括：.1）拍卖机制研究。针对连续组合拍卖问题，以算法博弈论和行为经济学为理论依据，设计基于竞标行为建模的最优拍卖机制，针对视频广告市场环境，设计两种拍卖机制分别提升拍卖者的收益和全局配置效率，提出最优收益竞拍策略，以最大化资源拥有者在资源竞拍过程中的期望收益。.2）预测研究。连续组合拍卖问题涉及点击率预测和竞拍策略预测。在点击率预测方面，以竞拍者预期收益最大化为前提，研究基于在线消费特征建模的点击率预测方法。针对关键字拍卖问题，通过预测引导用户点击行为，设计了广告商合理性竞价行为的预测模型；在竞拍策略预测方面，提出基于动态贝叶斯学习的适应性优化竞拍策略预测模型，利用拍卖的历史信息动态地学习与竞拍对手相关的拍卖参数，并将学习中的某些目标转化为优化问题，最终达到有效预测对手竞价策略的目的。.3）智能优化算法研究。使用算法求解交易 agent 系统中涉及的优化问题，分别从特定问题求解和提高算法性能角度进行研究。对于特定问题，采用协同演化思想设计竞胜标确定算法，提出适合于离散空间变异的协同变异策略，并结合自组织优化算法对竞胜标确定问题进行求解，实现被拍卖标的物的分配效率最优化；从提高优化算法性能角度，提出基于合作博弈的变种群协同演化算法框架，使用分层优化的多目标算法解决交易agent系统中涉及的多目标优化问题，为提高高维多目标优化算法的性能，提出基于参考点的均匀池保留策略，以确保算法搜索整个解空间。.项目为解决智能 Agent 系统在资源分配过程中遇到的最优机制设计、竞拍模型、竞价策略、预测对手信息等问题提供了科学的理论依据和安全有效的求解方法。