论文部分内容阅读
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Agent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LISC、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,以及基于标的间不同的关系,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。