如何计算近似纳什均衡_网络与市场中的计算思维-7.搜索引擎广告位的定价

最新推荐文章于 2023-06-11 16:54:34 发布
最新推荐文章于 2023-06-11 16:54:34 发布
阅读量354 收藏 1
点赞数 1
文章标签： 如何计算近似纳什均衡

本系列文章为笔记，内容根据北京大学《网络与市场中的计算思维》MOOC

搜索引擎的广告位销售的问题

搜索引擎广告市场的基本问题

  1. 广告主如何向互联网公司支付广告费用
  2. 互联网公司如何将广告空间分配给广告主
  3. 关键词的广告定价问题

互联网广告的付费方式

  • 按展示计费
  • 按行动计费
    • CPC广告（Cost-per-click)：每次点击的费用
  • 按销售计费

每个广告位的价值 广告位估值 = 广告主对点击的估值 X 广告位的点击率

296f6d622f892954cdcc84e18650d2c8.png

小结

  • 网络广告类型以及其盈利模式
  • 搜索引擎基于关键词的广告市场问题
    • 收费方式
    • 广告位与广告主分配
    • 广告位定价模式

多广告主、多广告位的匹配

匹配市场基本要素

  • 商品有不同首价
  • 买家对每个商品有估值
  • 匹配原则：最大化回报

↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
延申出：

  • 完美匹配——最优分配
  • 市场清仓价——完美匹配价格

构造广告位的市场清仓价格

67d9eb47bf908dcad57e2044a67c119e.png


三个广告位起始价为0，那么x、y、z都会选a

ed1d21a9f1be44a84dce3186414e4c48.png


当a的价格提升至5时，对z来说a和b的价值相同

ac4639845add5fe0fdf3aa63c6d585d2.png


a提升至10时，y可以选择a和b，z则放弃了a

4ba0ebe54393d858611915e7be4dffe1.png


最后形成市场清仓价

8d413ce916f410de8d49181bc9ed5286.png

311aa43476fc539e89fb4334e2f5b83b.png


在社会最优分配中，点击估值最高的，一定会得到点击率最高的广告位

小结

  • 运用匹配市场原理构造广告位的市场清仓价
  • 如果不了解估值，采用拍卖机制

GSP：次价拍卖方式的直接推广


拍卖的核心是，估值与价格的博弈

5c86f52d2da587cd092b4c59155e9c0e.png

真实报价不能构成纳什均衡

91ee13a149021e78009e051bd9b75175.png


回报 = 出价*点击率 - 次价*点击率
在这里选择B的回报是大于A的

小结

  • GSP——真实报价不是占优策略，存在多重均衡
  • GSP机制是实际中常用的广告位定价机制
    • 广告主比较容易理解
    • 性质比较复杂，但是对搜索引擎不会带来损失

VCG：次价拍卖方式的优化推广

对单品次价拍卖的一种理解 第一人支付次价的含义：补偿其他人（集体）带来的经济损失

推广到多品次价拍卖

  1. 构建一个最优分配
  2. 广告主为广告位支付的VCG价格

02a3c201486da9a4a81798af50a25c4c.png

VCG机制的特性

  • 社会最优
  • 真实报价是占优策略

小结

  • VCG是理论上最漂亮的广告位定价机制
  • GSP是实际中用得较多的广告位定价机制

为什么VCG是优化的


最高估值总和

5c4a5ae3075c54af5435a8094d978831.png

小结

  • VCG是理论上最漂亮的广告位定价机制
    • 社会最优
    • 鼓励真实报价
  • VCG占优策略前提
    • 没有合谋、作弊行为
    • 广告位价格只与点击率有关
Easonxxy
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
纳什均衡
iptracker的博客
06-22 2万+
纳什均衡 如果对于所有参与人iii有ui(σi∗,σ−i∗)≥ui(si,σ−i∗)(si∈Si)u_i(\sigma_i^*,\sigma_{-i}^*)\ge u_i(s_i,\sigma_{-i}^*)\quad(s_i\in S_i)ui​(σi∗​,σ−i∗​)≥ui​(si​,σ−i∗​)(si​∈Si​)那么混合策略组合σ∗\sigma^*σ∗是一种纳什均衡 严格纳什均衡 如果...
如何计算近似纳什均衡_如何通俗的理解纳什均衡点？
weixin_39714191的博客
10-28 1314
导读：如何通俗的理解纳什均衡点？一、市场上有2家企业A和B，都是卖纸的，纸的成本都是2元钱，A和B都卖5块钱。有一天A降价到4块钱，于是A销量大增，B销量大减。B看到了后，降价到3块钱，于是B销量大增，A销量大减。但如果价格战一直这样打下去，对谁也没有好处，于是A也选择降价到3块钱，和B一样。B看到了A降价到3块钱，B既不敢涨价，也不敢降价。涨价了市场就丢了，降价了，就赚不到钱甚至赔钱。...
古诺模型里的纳什均衡
ThePythonFucker的博客
04-13 6214
古诺模型：市场一共两个参与者 他们的策略就是商品的产量（假设商品都是同质化，也就是一模一样的），设为，如, 生产1单位的成本为c 生产成本就是 如何制定市场价格呢 价格由如下因素决定：两个参数和 核心思想是两家企业生产越多，商品的市场价格就越低 画图（下图被称为需求曲线）： 横坐标表示总产量，纵坐标表示市场价格，截距为，斜率为 是给定的价格，曲线就是对应的需求量 对于公司1来说，它的利润（收益-成本）为 将需求曲线的公式 代入，替换P 就可以得到公司1的利润表.
耶鲁大学 博弈论(Game Theory) 笔记6-纳什均衡之纳什均衡之伯川德模型与选民投票
qq_45353993的博客
03-17 1295
耶鲁大学 博弈论(Game Theory) 笔记6-纳什均衡之纳什均衡之伯川德模型与选民投票
Python 求解非零和博弈的纳什均衡策略——以虚构的两个企业之间的商品价格博弈为例
最新发布
m0_72053284的博客
06-11 1478
博弈论是研究具有斗争或竞争性质现象的数学理论和方法，它考虑游戏中的个体的预测行为和实际行为，并研究它们的优化策略。博弈论研究的模型中，玩家之间的关系主要可以分为四种：即零和博弈，非零和博弈，合作博弈，非合作博弈。本文研究的是非零和博弈，即在该博弈中，一方的收益不一定等于另一方的损失，参与方之间的关系不仅取决于双方的收益， 还取决于其他因素，如双方的合作程度和对抗程度等。本文虚构了两个企业之间的商品价格博弈，具体模型构造见下文。
approximate-entropy.zip_matlab近似熵_近似熵_近似熵matlab_近似熵计算
07-14
近似熵的计算，matlab编程，近似熵的定义以及内部解释
论文研究-粒子群算法求解混合战略近似纳什均衡.pdf
07-22
在介绍混合战略纳什均衡理论的基础上，提出了混合战略纳什均衡定义的计算形式，并据此提出了混合战略近似纳什均衡的概念，给出了粒子群算法求解混合战略近似纳什均衡的方法步骤。通过仿真验证了近似纳什均衡理论及...
shengxinhao.zip_LZC 复杂度_复杂度计算_相关熵_读取声信号_近似熵
07-14
读取声信号，计算自相关，近似熵，lzc复杂度
27796683ApEn-approx_entropy.rar_approx_matlab近似熵_熵_近似熵_近似熵计算
07-14
计算近似熵的matlab程序，包括第一近似熵和第二近似熵
magsqrtCompute.rar_功率谱计算熵_工频陷波_近似熵_近似熵计算
07-13
文件用于计算信号功率谱，自相关函数，近似熵计算，以及50HZ工频陷波，已经调试，没有报错
第十一章：纳什均衡的计算
捌椒的博客
05-23 2万+
A\∅ 表示集合A除去空集所得到的集合 1. 静态，完全信息下的纳什均衡求解 第一步【严格劣策略删除】 解析：即无论其他玩家 怎么选择策略，玩家 iii 选择的该策略后获得的利益，都比选择其他策略要低。那么这个策略就是严格劣策略的，显然，玩家 iii 不会选 假设玩家 1 选择策略 B ，那么，显然，无论玩家 2 选择任何策略，玩家 1 选择 T 策略都比 B 策略要好，(2>1)(1>0)(4>3)。 这时，对于玩家 1 而言，B 就是 T 的一个严格劣策略，将.
耶鲁大学《博弈论》课程——纳什均衡
ZYLer_的博客
01-26 4057
耶鲁大学《博弈论》课程——纳什均衡
【博弈论】【第二讲】纳什均衡战略（无限数量战略）
Gorege__Hu的博客
03-20 1177
旅行成本越高，产品的差异越大，均衡价格从而均衡利润也就越高，原因在于，随着旅行成本的上升，不同商店出售的产品之间的替代性下降，每个商店对附近的消费者的垄断能力加强，商店之间的竞争越来越弱,消费者对价格的敏感度下降,从而每个商店的最优价格接近于垄断价格。下图展示的是一个最终的结果（最优反应曲线）（横轴表示厂商1的产量，纵轴表示厂商2的产量）（红线表示厂商1对厂商2的反应，绿线表示厂商2对厂商1的反应）。同样的，算出来的利润仅由消费者购买产品的距离成本决定，消费者距离成本越高，我商品的利润越高。
三十分钟理解博弈论“纳什均衡” -- Nash Equilibrium
weixin_30663391的博客
03-20 5121
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。 纳什均衡（或者纳什平衡），Nash equilibrium ,又称为非合作博弈均衡，是博弈论的一个重要策略组合，以约翰·纳什命名。 约翰·纳什，生于1928年6月13日。著名经济学家、博弈论创始人、《...
计算广告——第二竞价机制和VCG机制
weixin_44441131的博客
12-17 1万+
文章目录1. 帕累托最优（Pareto Optimalitiy)2. 广义第一定价机制(Generalized First Auction)3. 广义第二定价机制(Vickrey Auction)3.1 理解Vickrey Auction3.2 第一定价与第二定价之间的联系4. VCG机制(Vickrey-Clarke-Groves) 写在前面：目前在互联网的竞价广告里，常用的几种机制设计方案是必须要知道的。第一个机制设计叫做Pricing Model，即定价机制，就是要收广告主多少钱。 在线广告中一般
网络与社会导论之市场清仓
ZJY_0的博客
10-15 1238
匹配是人类社会常见的基本问题之一，出现在不同的背景下，今天想和大家分享一下关于市场中的匹配问题。众所周知，市场的存在依存于买卖双边的存在，而买方与卖方都有各自对交易的期望，所以如何达成完美的交易与完美的匹配是一个很重要的问题。如果买卖双方数量相等且只存在买卖双方，根据每个人的需求要达到所有交易全部满足预期也不是一件容易的事。举个简单的例子，三个人去选择三个面包，其中一个已经腐败，一个还没有腐败但是...
纳什均衡(Nash equilibrium)及经典案例
热门推荐
Briwisdom的博客
11-11 6万+
纳什均衡（Nash equilibrium），又称为非合作博弈均衡，是博弈论的一个重要策略组合，以约翰·纳什命名。 纳什均衡是指博弈中这样的局面，对于每个参与者来说，只要其他人不改变策略，他就无法改善自己的状况。纳什证明了在每个参与者都只有有限种策略选择并允许混合策略的前提下，纳什均衡定存在。 以两家公司的价格大战为例，价格大战存在着两败俱伤的可能，在对方不改变价格的条件下既不能提价，否则会进...
混合策略纳什均衡计算
stonesharp的专栏
06-23 6万+
为了了解博弈论中引入“混合策略”概念的动机，我们来看用“划线法”对相当简单的“猜谜博弈”求解的结果，其结果如图8.3.1所示。     求解的答案是，在纯策略意义下“猜谜博弈”无解，即不存在在纯策略意义下的纳什均衡，也就是说，这个博弈得不到一个平衡稳定的结局。但经验告诉我们，两个儿童玩这样的猜谜游戏，一局难定胜负，一次又一次地玩下去，随机地出一个手指，或者两个手指，多次以后，
n个企业的古诺模型中的纳什均衡
ThePythonFucker的博客
04-13 6814
在开始之前，建议先了解一下2个企业的古诺模型中纳什均衡的计算，我专门有一篇文章来介绍 ↓↓↓↓↓↓ 古诺模型里的纳什均衡 学习最重要的还是应用，我从一个题来进行讲解 n个企业的古诺模型 每个企业具有相同的不变单位生产成本 市场价格为 总供给量为 市场逆需求函数为 是大于零的常数 企业的战略是 利润为 给定其它企业的产量之和为 求纳什均衡产量及价格与n的关系 刚拿到这个题的时候我是看不懂利润的公式的，所以我准备自己推 首先我们知道利润=产量*（价格.
用matlab编写复化辛普森求积算法，分别求解函数y1=-2.854*x^8-22.7*x^7-74.39*x^6-129.6*x^5-129.5*x^4-75.12*x^3-25.29*x^2-5.519*x+0.08117和y2=-3.153*x^9-27.85*x^8-103.5*x^7-210.2*x^6-254.5*x^5-187.8*x^4-83.52*x^3-21.75*x^2-4.133*x-2.499的定积分
05-29
以下是用Matlab编写复化辛普森求积算法，分别求解函数y1和y2的定积分的代码： ``` matlab % 定义被积函数y1和y2 y1 = @(x) -2.854*x.^8 - 22.7*x.^7 - 74.39*x.^6 - 129.6*x.^5 - 129.5*x.^4 - 75.12*x.^3 - 25.29*x.^2 - 5.519*x + 0.08117; y2 = @(x) -3.153*x.^9 - 27.85*x.^8 - 103.5*x.^7 - 210.2*x.^6 - 254.5*x.^5 - 187.8*x.^4 - 83.52*x.^3 - 21.75*x.^2 - 4.133*x - 2.499; % 定义复化辛普森求积函数 function [I] = Simpson(f, a, b, n) h = (b - a) / n; x = a:h:b; y = f(x); I = h / 3 * (y(1) + 4 * sum(y(2:2:end-1)) + 2 * sum(y(3:2:end-2)) + y(end)); end % 计算函数y1的定积分 a = 0; b = 1; n = 10; I = Simpson(y1, a, b, n); fprintf('y1的定积分近似值为：%.4f\n', I); % 计算函数y2的定积分 a = -1; b = 1; n = 10; I = Simpson(y2, a, b, n); fprintf('y2的定积分近似值为：%.4f\n', I); ``` 输出结果为： ``` y1的定积分近似值为：0.0550 y2的定积分近似值为：-2.4177 ``` 由于题目没有说明精确值，因此无法对比精确值与近似值的误差。但是可以使用Matlab内置函数`integral`计算真实值，然后与近似值进行比较，代码如下： ``` matlab % 计算函数y1的真实值 a = 0; b = 1; I_true = integral(y1, a, b); fprintf('y1的定积分真实值为：%.4f\n', I_true); fprintf('y1的定积分近似值为：%.4f\n', I); fprintf('y1的定积分误差为：%.4f\n', abs(I_true - I)); % 计算函数y2的真实值 a = -1; b = 1; I_true = integral(y2, a, b); fprintf('y2的定积分真实值为：%.4f\n', I_true); fprintf('y2的定积分近似值为：%.4f\n', I); fprintf('y2的定积分误差为：%.4f\n', abs(I_true - I)); ``` 输出结果为： ``` y1的定积分真实值为：0.0550 y1的定积分近似值为：0.0550 y1的定积分误差为：0.0000 y2的定积分真实值为：-2.4180 y2的定积分近似值为：-2.4177 y2的定积分误差为：0.0003 ``` 可以发现，使用复化辛普森求积算法得到的近似值与真实值误差非常小，说明该算法能够较为准确地计算函数的定积分。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值