一个基于公开信息分类的Riapcv拍卖模型

摘要

多Agent技术在拍卖中的应用主要集中在组合拍卖和序贯拍卖两个方面。但因为组合拍卖问题属于NP-Complete问题，使它在现实中的应用有较大的局限性。S.S.Fatima等人研究了多Agent序贯拍卖，他们在J.K.Goeree提出的同时考虑标的共同价值和私人价值的基础上，提出了多Agent序贯拍卖的最优排序策略。Chai考虑买家Agent可以不受限制地参加多次拍卖，深入分析了两标的之间的关系对不同拍卖排序策略的影响，证明最优策略并不总是符合S.S.Fatima等提出的理论。但他们都没有考虑拍卖过程中卖家Agent为获得更大的收益会公开标的信息。
　　 大多数拍卖模型中的标的只具有一个属性，而现实世界中标的是具有两个属性。如果标的存在共同价值属性，那么买家Agent在竞拍过程中就有可能遭受“赢家诅咒”效应，这会给买家Agent的利润和拍卖的效率带来影响。拍卖过程中为增加卖家Agent的收益和降低“赢家诅咒”效应对买家Agent的影响，拍卖员向买家Agcnt公开标的信息。
　　 基于以上考虑，本文提出了考虑标的兼有共同价值和私人价值的序贯拍卖模型Riapcv。在拍卖过程中拍卖员向买家Agent公开标的信息。单标的拍卖模型记为S_Riapcv，两标的拍卖模型记为D_Riapcv。
　　 1）在S_Riapcv拍卖模型中，给出了买家Agent在第一价格密封拍卖、第二价格密封拍卖规则下的竞价策略、买卖双方的收入分析。基于公开信息的属性相关性，提出两个分类算法HSC、LIWNB，使得买家Agent在学习历史拍卖公开信息后能更准确估计标的共同价值。
　　 2）在D_Riapcv拍卖模型中，基于两标的间的三种不同关系，分析了买家Agent利润和卖家Agent收益随着标的间不同关系变化的情况，以及基于标的问不同的关系，拍卖员拍卖标的应该采用的最优排序策略。
　　 最后在MATLAB环境下证明了属性相关性对提高公开信息分类性能的重要性。实验结果显示，本文提出的LISC、LIWNB两个算法具有较高的分类性能。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究的背景

1.2研究的现状

1.2.1拍卖制度的发展

1.2.2网上拍卖

1.3本文研究的内容

1.4目标及意义

1.5论文的组织结构

第二章相关理论综述

2.1拍卖的分类

2.1.1基本拍卖规则

2.1.2拍卖的不同划分

2.2多Agent技术

2.2.1 Agent的概念及属性

2.2.2多Agent拍卖现状

2.3序贯拍卖

2.3.1拍卖模型

2.3.2买卖双方的收入分析

2.3.3拍卖的排序策略

2.4本章小结

第三章单标的拍卖模型S_Riapcv

3.1拍卖模型

3.2买家Agent的竞价策略

3.3买家Agent利润和卖家Agent收益

3.4标的信息公开度的求解

3.5公开信息的分类算法

3.5.1 LIWNB算法

3.5.2 LISC算法

3.6本章小结

第四章两标的拍卖模型D_Riapcv

4.1拍卖模型

4.2买家Agent的竞价策略

4.3买家Agent利润和卖家Agent收益

4.4标的拍卖的最优排序策略

4.5本章小结

第五章实验及分析

5.1实验1：属性相关性实验

5.1.1实验数据描述

5.1.2实验结果及分析

5.2实验2：算法的分类性能

5.2.1实验数据描述

5.2.2评测标准

5.2.3实验结果及分析

5.3本章小结

第六章总结与下一步工作

6.1总结

6.2下一步工作

参考文献

附录(攻读学位期间发表的学术论文)

致谢