拍卖算法理论

拍卖算法本质是模拟人类拍卖的过程,其算法流程就像拍卖一样,未经分配的投标人同时出价投标目标物,从而提高目标物价格,拍卖行获取所有投标人的出价信息,将目标物卖给出价最高的投标人。最终的结果应尽可能保证所有投标人和拍卖行的利益最大化。

拍卖问题按照投标人数N和竞拍商品数M的不同,可以分为以下两种情况:

  • N  >  M,投标人数大于商品数,即存在部分投标人落标
  • N <= M,投标人数小于等于商品数,即存在部分投标人投中多个标。

当N = M时,该情况被称为完全分配。

当每个投标人最多中标一件商品时,该情况被称为单分配。

当每个投标人可以中标多件商品时,该情况被称为多分配。

如果把我方无人机看作投标人,敌方无人机看作竞拍商品,则这是一个单分配问题。(不过如果考虑到不可能同时有多人拍下同一件商品,则可以将敌方无人机看作投标人,我方无人机看作竞拍商品,一台敌方无人机可以分配给多台我方无人机,即对应每个投标人可以中标多件商品,成为多分配)

论文链接:P-1653-17168586.pdf (mit.edu)

首先学习单分配问题,即每个投标人最多只能拍下一件商品,每件商品必须被拍卖。

求解目标:寻找一种商品分配方案,使得投标人的利益最大。(或考虑投标人和商家的综合收益最大)

假设现在有N个投标人,M个商品,则:

拍卖算法理论_第1张图片

当分配方案为S时,投标人总收益为:拍卖算法理论_第2张图片

约束条件:

  • 每个投标人最多只能拍下一件商品:拍卖算法理论_第3张图片
  • 每件商品必须被拍卖:

因此优化目标就是:拍卖算法理论_第4张图片

(如果考虑投标人和商家的综合收益最大,则优化目标是:拍卖算法理论_第5张图片

考虑到投标人和商家都期望获得最大的利益,因此不仅投标人之间存在冲突,投标人和商家之间也存在冲突,因为商家希望把商品出售给出价高的投标人,但可能同时出现两个出价一样的投标人,那么商家就需要让投标人进行下一轮报价来确定究竟把商品卖给谁,如果投标人想继续出标这个商品就会报上一个更高的价格,但如果投标人认为没有抬高的必要就会换一个商品进行投标。因此为了体现出投标人的一个投标想法的变化,需要有一个利益方程来计算究竟投标哪一个商品是利益最高的:

这里的b就是现在的竞标价,w是投标人愿意出的价格,两者相减就是投标人的意愿体现。

为了分析投标人下一轮该报出什么样子的价格,提出一个ϵ−松弛互补条件:

其中ϵ是一个大于0的常数,是表示投标人的报价更新幅度的,一般可以选取一个较小的值,反映投标人以一个较小的幅度提高对商品的报价。

对于投标人来说,每一次投标会经历以下三个步骤:

  1. 计算本轮报价最大收益:
  2. 计算本轮报价次最大收益:
  3. 计算下一轮报价:(当投标人已经中标,则不会考虑下一轮报价)

其中,是上一轮竞拍中商品的最高报价,因为现在又多了一个加价环节,则下一轮竞标的时候,商品的价格一定会被现在的价格高,即,具体提高了多少,是要看最大收益和次最大收益之间相差的利润是多少。对于投标人而言,因为最优商品的报价提升意味着利益降低,但次优商品报价未变,利益未变,可以预测到,如果未来一直无法竞标到最优商品,随着其报价的提升,最优选择会逐渐趋近于原次优商品,原次优商品会变得更具有吸引力。

对于商家来说,它考虑的问题是将商品卖给谁,它的原则是将商品卖给出价最高的人。

拍卖算法是在拍卖规则下,购买方通过竞价的方式实现资源配置的一种市场机制算法。在任务分配问题中,无人机要打击的目标即拍卖品,对目标进行拍卖的有人机(或无人机)和参加竞拍的无人机根据收益函数和出价策略实现拍卖过程。这种方式制定交易规则,买方和卖方在规则下交易,求解效率高,并且通常能求得接近最好的解。

你可能感兴趣的:(基础理论学习,算法)