《Twenty Lectures On Algorithmic Game Theory》 总结

Part I 机制设计

考虑设计一个博弈，特别的，考虑针对直接显示的拍卖博弈。

社会福利最大化机制设计

1. 假设$b_i=v_i$，制定分配方案使社会福利最大化。
2. 若分配方案单调，由迈尔森引理制定DSIC定价策略，从而满足step 1.

特殊情况：

1. 分配方案计算复杂度高（如背包问题），改用近似算法近似最大化社会福利。
2. 分配方案不单调，改为采用单调的近似算法。

收益最大化机制设计

1. 假定x单调, (x,p)是DSIC的，此时p被x唯一确定，${\mathbb{E}}_{v\sim F}[\sum p_i(v_i)]={\mathbb{E}}_{v\sim F}[\sum {\phi }_i(v_i)x_i(v_i)]:=A$. $\phi$是虚拟福利函数. $A$与$p$无关，问题转化为设计单调分配方案$x$使$A$最大.
2. 当${\phi }_i(v_i)$关于$v_i$单调时（称此时的$F$为正则分布）, 最优（A最大）方案中$x$关于$v_i$单调，因此满足step 1.中 DSIC前提.

近似情况:

1. 预知不等式：$\exists t-$阈值策略 $\ge \frac{1}{2}$先知策略.
2. 选择$t$使$q(t)\ge \frac{1}{2}$，由$1.$ 单物品阈值拍卖收益至少为$\frac{1}{2}$最优.
3. Bulow-Klemperer定理： n个拍卖者单物品最优 $\le$ $n+1$个拍卖者的二价拍卖.
   原因如下：
   1. $n$个拍卖者单物品最优可扩展为$n+1$个拍卖者的一定成交的方案.
   2. 一定成交的DSIC单物品拍卖中二价拍卖是最优方案.
      因为:
      1. DSIC目标$\mathbb{E}[\sum {\phi }_i{x}_i]$，故找$x$使$\mathbb{E}$最大，应取${\phi }_i$最大值，由独立同分布假设知取$v_i$最大值.
      2. 取 v i v_i v