文献

J-GLOBAL ID：201702250895351973   整理番号：17A1055327

整数計画としての回帰ツリーと線形モデルを用いたオークション最適化【Powered by NICT】

Auction optimization using regression trees and linear models as integer programs

著者 (3件)： Verwer Sicco (Intelligent Systems Department, Delft University of Technology, The Netherlands) ,  Zhang Yingqian (Department of Econometrics, Erasmus University Rotterdam, The Netherlands) ,  Ye Qing Chuan (Department of Econometrics, Erasmus University Rotterdam, The Netherlands)
資料名： Artificial Intelligence  (Artificial Intelligence)
巻： 244  ページ： 368-395  発行年： 2017年 
JST資料番号： E0180C  ISSN： 0004-3702  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 複数入札エージェントのあるシーケンシャルオークションでは,期待収入を最大化するために販売する項目の順序を決定する問題は非常に挑戦的である。課題であるエージェントの自律性と個人情報はオークションの結果に大いに影響を及ぼすという事実による。本論文の主な貢献は二重である。逐次オークションにおける最適順序づけ問題を解くための機械学習法を適用する方法を示した。歴史的オークションからの回帰モデル,その後新たなオークションのための順序の期待値を予測するために用いられるを学習する。学習されたモデルが与えられたとき,著者らは,二種類の最適化手法のブラックボックス最良優先探索法,学習回帰モデルを整数線形計画法(ILP),は,ILPソルバにより解くことができる新しいホワイトボックスアプローチを提案した。研究オークション設計問題は困難であるが,著者らの提案した最適化法は,高い収入と良く秩序を得た。第二の主な貢献は,回帰モデルの内部構造を最適化の目的のためのILPソルバ内の効率的に評価できることを洞察した。この目的のために,著者らはILP制約として回帰ツリーと線形回帰モデルの効率的な符号化を提供する。最適化のための学習モデルを使用するこの新しい方法は有望である。実験結果が示すように,それは,ほぼすべての環境におけるブラックボックス最良優先探索よりも著しく優れている。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 期待値 ,  学習 ,  順序づけ問題 ,  *整数計画法 ,  最適化手法 ,  エージェント ,  機械学習 ,  符号化 ,  ブラックボックス ,  回帰モデル ,  *最適化 ,  学習モデル
準シソーラス用語： ソルバ ,  *オークション ,  *線形モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： オークション設計 ,  機械学習 ,  Optimization ,  整数線形計画法 ,  回帰

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 整数計画 ,  線形モデル ,  オーク ,  最適化