1. Home page
  2. Search

Mechanism Design for Combinatorial Auctions with Machine Learned Advice

This item is provided by the institution :
National Technical University of Athens   

Repository :
Digital Library of National Technical University of Athens | Dspace@NTUA   

see the original item page
in the repository's web site and access all digital files if the item*



Σχεδιασμός Μηχανισμών για Συνδυαστικές Δημοπρασίες με Αξιοποίηση Προβλέψεων Μηχανικής Μάθησης (EL)
Mechanism Design for Combinatorial Auctions with Machine Learned Advice (EN)
Τσιλιβής, Θεόδωρος (EL)
Tsilivis, Theodoros (EN)
ntua (EL)
Φωτάκης, Δημήτρης (EL)
Γκατζέλης, Βασίλης (EL)
Παγουρτζής, Άρης (EL)
Fotakis, Dimitris (EN)
bachelorThesis (EL)
2023-01-11T09:03:32Z
2022-09-09
Σε αυτή τη διπλωματική, θα ασχοληθούμε με το σχεδιασμό μηχανισμών στο επαυξημένο με προβλέψεις μηχανικής μάθησης πρόβλημα Συνδυαστικών Δημοπρασιών. Στο κλασικό πρόβλημα Συνδυαστικών Δημοπρασιών καλούμαστε να μοιράσουμε $M$ αντικείμενα σε $N$ στρατηγικούς παίκτες με τρόπο τέτοιο ώστε να μεγιστοποιείται η κοινωνική ευημερία του συνόλου. Κάθε παίκτης έχει στόχο να μεγιστοποιήσει την ωφέλεια του, δηλαδή την αξία που λαμβάνει από τα αντικείμενα που του αποδίδονται μείον την τιμή που πλήρωσε για τα αντικείμενα. Μας ενδιαφέρει να σχεδιάσουμε φιλαληθείς μηχανισμούς οι οποίοι ''αναγκάζουν'' τους παίκτες να συμμετάσχουν στην δημοπρασία με ειλικρινή τρόπο. Στην παρούσα διπλωματική επιτρέπουμε επιπλέον πληροφορία στο πρόβλημα υπό την μορφή προβλέψεων που εμπεριέχουν άγνωστο σφάλμα. Μελετάμε εις βάθος το πρόβλημα των Συνδυαστικών Δημοπρασιών με προβλέψεις διανυσμάτων τιμών για τις κλάσεις Additive και Submodular. Σε αυτές δοκιμάζουμε διαφορετικές παραδοχές και υποθέσεις και πετυχαίνουμε τόσο θετικά όσο και αρνητικά αποτελέσματα. Το σύνολο των αποτελεσμάτων μας ενθαρρύνει περαιτέρω έρευνα στην συγκεκριμένη εκδοχή του προβλήματος. (EL)
In this thesis, we study mechanism design for Learning Augmented Combinatorial Auctions. In the classical Combinatorial Auctions problem, the aim is to allocate a set of items $M$ to a set of strategic bidders $N$ in a way that maximises the Social Welfare of the resulting allocation. Every bidder is interested in maximising his own personal gain from the allocation, which can be described as the value that she derives from the items she gets allocated minus the payment she makes for these items. We are interested in designing truthful mechanisms that force the bidders to participate in the auction in an honest way. In this thesis we allow extra information in the form a prediction of a price vector with unknown error. We thus study the Learning Augmented Combinatorial Auctions problem, restricting it on Additive and Submodular valuations. We employ a vast variety of assumptions and ideas and achieve both positive and negative results. Our results are not conclusive and thus encourage further research on this specific iteration of the problem. (EN)
Συνέπεια & Ευρωστία (EL)
Σχεδιασμός Μηχανισμών με Προβλέψεις (EL)
Διανύσματα τιμών (EL)
Συνδυαστικές Δημοπρασίες (EL)
Κοινωνική Ευημερία (EL)
Price vectors (EN)
Social Welfare (EN)
Consistency & Robustness (EN)
Mechanism Design with Predictions (EN)
Combinatorial Auctions (EN)
English
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (EL)
Computer Science - Corelab (EL)
Default License
National Technical University of Athens
Digital Library of National Technical University of Athens | Dspace@NTUA
Κεντρική Βιβλιοθήκη Ε.Μ.Π.
Ιδρυματικό Αποθετήριο
Διπλωματικές Εργασίες



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)