在线拍卖中的在线学习

审核人：巴雷特黑泽尔汀

在线拍卖的性能可以通过从已经进行的一组出价中学习的算法来提高。在线拍卖会收到出价，然后逐一处理，决定是接受出价还是等待更高的出价。本文设置了学习算法的性能界限，并表明，对于中等长度的拍卖，该算法的性能优于现有算法。证明使用形式数学，这很难总结。本文的特色可以通过简化一个结果来体现：对于任何函数f（h）=o（h log log h），其中h是最高出价与最低出价之间的比率，如果出价顺序大于或等于f（h。这篇论文似乎是针对那些数学倾向的人，而不是专注于算法的机制。