1. Αρχική σελίδα
  2. Αναζήτηση

Σχεδιασμός Μηχανισμών για Συνδυαστικές Δημοπρασίες με Αξιοποίηση Προβλέψεων Μηχανικής Μάθησης

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό Μετσόβιο Πολυτεχνείο   

Αποθετήριο :
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



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)
Αγγλική γλώσσα
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (EL)
Computer Science - Corelab (EL)
Default License
Εθνικό Μετσόβιο Πολυτεχνείο
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA
Κεντρική Βιβλιοθήκη Ε.Μ.Π.
Ιδρυματικό Αποθετήριο
Διπλωματικές Εργασίες



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.