Σχεδιασμός Μηχανισμών για Συνδυαστικές Δημοπρασίες με Αξιοποίηση Προβλέψεων Μηχανικής Μάθησης

Τσιλιβής, Θεόδωρος; Tsilivis, Theodoros

dc.contributor.author	Τσιλιβής, Θεόδωρος	el
dc.contributor.author	Tsilivis, Theodoros	en
dc.date.accessioned	2023-01-11T09:03:32Z
dc.date.available	2023-01-11T09:03:32Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56593
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24291
dc.rights	Default License
dc.subject	Συνδυαστικές Δημοπρασίες	el
dc.subject	Σχεδιασμός Μηχανισμών με Προβλέψεις	el
dc.subject	Κοινωνική Ευημερία	el
dc.subject	Συνέπεια & Ευρωστία	el
dc.subject	Διανύσματα τιμών	el
dc.subject	Combinatorial Auctions	en
dc.subject	Mechanism Design with Predictions	en
dc.subject	Social Welfare	en
dc.subject	Consistency & Robustness	en
dc.subject	Price vectors	en
dc.title	Σχεδιασμός Μηχανισμών για Συνδυαστικές Δημοπρασίες με Αξιοποίηση Προβλέψεων Μηχανικής Μάθησης	el
dc.title	Mechanism Design for Combinatorial Auctions with Machine Learned Advice	en
dc.contributor.department	Computer Science - Corelab	el
heal.type	bachelorThesis	el
heal.classification	Αλγόριθμοι	el
heal.classification	Algorithms	en
heal.language	en	el
heal.access	free	el
heal.recordProvider	ntua	el
heal.publicationDate	2022-09-09
heal.abstract	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
heal.abstract	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
heal.advisorName	Φωτάκης, Δημήτρης	el
heal.advisorName	Fotakis, Dimitris	en
heal.committeeMemberName	Φωτάκης, Δημήτρης	el
heal.committeeMemberName	Παγουρτζής, Άρης	el
heal.committeeMemberName	Γκατζέλης, Βασίλης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua	el
heal.numberOfPages	76 σ.	el
heal.fullTextAvailability	false