La lecture à portée de main
Découvre YouScribe en t'inscrivant gratuitement
Je m'inscrisDécouvre YouScribe en t'inscrivant gratuitement
Je m'inscrisDescription
Informations
Publié par | technische_universitat_munchen |
Publié le | 01 janvier 2011 |
Nombre de lectures | 15 |
Langue | English |
Extrait
Informatikur¨fInstitutderTechnischenUniversit¨atM¨unchen
Lehrstuhlf¨urInformatikXVIII
andLanguagesBiddingCompactwithSupplierEconomiesSelectionofScaleforandMarketsScope
SchneStefanderi
VUnivollst¨ersit¨andigeratM¨AbunchendruckzurdervonErlangungderFdesakult¨akatf¨urademischenInformatikGradesderTeinesechnischen
DoktorsderNaturwissenschaften(Dr.rer.nat.)
Dissertation.genehmigten
VPr¨uferorsitzender:derDissertation:Univ.-Prof.Dr.HelmutSeidl
2.1.Univ.-Prof.Univ.-Prof.Dr.GudrunMartinJ.BicKlinkhlerer,Ph.D.
DieDissertationwurdeam07.03.2011beiderTechnischenUniversit¨at
M¨uncheneingereichtunddurchdieFakult¨atf¨urInformatikam30.07.2011
angenommen.
Abstract
Preferenceelicitationisafundamentalprobleminsingle-unitcombinatorial
auctions,butitbecomesprohibitiveevenforsmallinstancesofmulti-unit
combinatorialauctions.Thebidderscannotexpresstheirpreferencesexactly
asthiswouldtakeahugenumberofbids,typicallyleadingtoinefficientallo-
cations.
Hence,marketswitheconomiesofscaleandscoperequiremorecompactand
yetexpressivebiddinglanguages.Inthisthesis,weproposeanexpressivebid-
dinglanguageallowingbidderstodescribethecharacteristicsoftheircostfunc-
andtions.specifyBidderspricingintheserulesasauctionslogicalcanspfunctioecifyns.variousFindingthediscountsoptimalandallomarkcationups,
giventhesepricingrulesisastronglyNP-hardoptimizationproblemandwe
proposeamixedintegerprogramtosolveit.
Basedonfielddata,weintroduceamulti-itemcostfunctionandprovideex-
tensivecomputationalexperimentstoexplorethecomputationalburdenand
theimpactofdifferentlanguagefeaturesonthecomputationaleffortandtotal
spendoftheauctioneer.Inaddition,weexplorecharacteristicsoftheknowl-
edgerepresentationofthebiddinglanguage.
i
ii
Zusammenfassung
KombinatorischeAuktionenbietendieM¨oglichkeitSynergieeffektezunutzen,
indemnatoriscsiehenmehrereAuktionG¨mitutereininereinernichtAutrivialenktionAnzahlzusammenfassen.vonG¨uternInisteinerkallerdingsombi-
bereitsdasAbfragenderrelevantenWertigkeitenproblematisch,dadieBieter
nicAllokhtsoationvielesicherEinzelgebzuboteestimmen.abgebenDiesesk¨onnenProblemwien¨votigerscw¨h¨arftaren,sicumhwdieeiter,effizienwennte
bproer¨ucGuksicthnichtigttnwurerdeneinesollen.Einheitversteigertwird,sondernauchMengenrabatte
Daherben¨otigenderartigeM¨arktekompaktere,unddadurchbeherrschbare,
aberdennochersch¨opfendeBietsprachen.IndervorliegendenArbeitschla-
genwireinederartigeSprachevor,welcheesdenBieternaufvielf¨altige
WeiseerlaubtihreKostencharakteristikainkompakterundintuitiverForm
auszudr¨ucken.Dazuk¨onnensieverschiedenartigePreismodifikatorenverwen-
den,welcheihrerseitsvonflexiblenundlogischkombinierbarenBedingungen
abh¨angen.DieseBedingungenk¨onnensichdabeisowohlaufdiegekaufte
MengealsauchdenerzieltenUmsatzbeziehen.DasBestimmenderopti-
malenAllokationausdiesenkomplexenPreisstrukturenisterwiesenermaßen
NPvollst¨andig,undvondaherinderBerechnungpotentiellsehraufw¨andig.
Wirschlagendahereingemischt-ganzzahligesOptimierungsproblemvor,mit
dessenHilfedieseberechnetwerdenkann.
AbschließendevaluierenwirunserenAnsatzmitHilfeeinesselbstentwickelten
Kostenmodells,dessenCharakteristikaaufEchtdatenberuhen,welchewirin
Feldversuchensammelnkonnten.AlsHauptergebnissondierenwir,welche
Problemgr¨oßeninakzeptablerZeitl¨osbarsind.Wiruntersuchendabeiden
EinflussverschiedenerElementederBietspracheaufBerechnungsaufwandund
Einsparungsm¨oglichkeitengegen¨ubereinfacherenAns¨atzen.
iii
iv
tswledgmenknoAc
solchZuerallerstinteressanwillicteshundmichbeispannendesMartinFBicorschlerhf¨urungsprodiejekt¨Gelegenhubeeitrnehmenbedankzuden,¨urfen.ein
Diefreiz¨ugigundgestaltendeArbeitdaranhatmirvielSpassbereitetundich
habevielesdabeigelernt.
AspecialthanksgoestoKemalGulerandMehmetSayalforaveryinspiring
collaborationandthegreattimeinCalifornia.
BeimeineKollgenGeorgZiegler,PashaShabalin,TobiasScheffel,J¨urgenWolf,
AlexanderPikovsky,ChristianMarkl,OliverH¨uhnundChristianHassm¨ochte
ichmichf¨urdieDiskussionenundwertvolleAnregungenbedanken.
Ichm¨ochteFelixSchmiddaf¨urdankenseinZimmerbelagernzud¨urfenund
MariaSchmidf¨urIhretreibendeGeduld.
v
vi
tstenCon
Abstract..................................i
Zusammenfassung.............................iii
Acknowledgements............................v
ListFiguresof
ablesTofList
xi
xv
1ductiontroIn11.1Motivation..............................1
1.2Contributions............................3
1.3StructureoftheThesis.......................4
2CombinatorialAuctionsandtheirApplicabilitytoMulti-unit
7Settings2.1CharacterizationsofMulti-itemandMulti-unitAuctions....7
2.2IterativeCombinatorialAuctions.................8
2.2.1BiddingLanguages.....................8
2.2.2WinnerDetermination...................10
2.2.3Non-LinearPersonalizedPriceAuctions.........13
2.2.4AscendingVickreyAuctions................14
2.2.5LinearPriceAuctions...................15
vii
3
4
5
2.2.6Problems..........................16
2.2.7Evaluation..........................17
2.2.8Results............................22
2.2.9ApplicabilitytoProcurementAuctions..........35
2.3VolumeDiscountAuctions.....................36
2.3.1BiddingLanguages.....................36
2.3.2WinnerDetermination...................36
2.3.3OpenIssues.........................37
TheLESSBiddingLangue39
3.1BiddingLanguage..........................39
3.1.1DescriptionLengthofBiddingLanguages.........39
3.1.2TheLBiddingLanguage................42
SSE
TheSupplierandQuantitySelection45
4.1TheSupplierQuantitySelectionProblemFormulation.....45
4.2ScenarioAnalysis..........................49
4.2.1PriceFeedbackinL..................51
SSE
53SetuptalerimenExp5.1ValueModel”CostofProduction“................53
5.1.1CompositionofCost....................54
5.1.2ParametrizableCostFunction...............58
5.2BidGeneration...........................64
5.2.1FixedIntervalBidding...................65
5.2.2FixedApproximationErrorBidding............67
viii
6
7
ResultstalerimenExp
6.1CostofFlexibility..........................
6.2ValueModelCostofProduction..................
6.2.1SingleItemInstances....................
6.2.2SingleItemInstanceswithLumpSumDiscountsand
Markups...........................
6.2.3MultiItemInstances-RealisticProblems........
andConclusionokOutlo
7.1
7.2
Conclusion..............................
Outlook...............................
ix
71
71
75
7580
81
87
87
89
x
ofListFigures
2.12.22.32.42.5
5.15.25.35.45.55.6
Efficiencyandrevenueofiterativecombinatorialauctionsfor
theTransportationvaluemodel..................
Efficiencyandrevenueofiterativecombinatorialauctionsfor
theRealEstate3x3valuemodel..................
Efficiencyandrevenueofiterativecombinatorialauctionsfor
thePairwiseSynergyvaluemodel.................
Roundsneededbyiterativecombinatorialauctions.......
ImpactofBSConpricesforstraightforwardbiddingwiththe
RealEstatevaluemodel......................
Tunitsotal,apurcveragehasedandifonlymarginalfixedcostscostsofdep1000enden$tareonthepresenntum.b.er.of..
Tunitsotal,apurcveragehasedandifonlymarginalstepwisecostsfixeddepcostsendentofon200the$nareumbpreseneroft.
Total,averageandmarginalcostsdependentonthenumberof
unitspurchasedifonlyvariablecostsof1$arepresent.....
Total,averageandmarginalcostsdependentonthenumberof
unitspurchasediffixedcostsof1000$andsuperlinearvariable
costsarepresent..........................
Total,averageandmarginalcostsdependentonthenumberof
vunitsariablepurccostshasedareifpstepresentwise..fi.xed...costs..of..200..$.and...sup...erlinear...
Costfunctionbasecase(notrandomized).............
xi
2526273233
555556575760
5.7Randominstacesofthecostfunctionforseeds2,3and9....62
5.8Randominstancesofthecostfunctionforseeds2,3and9and
differentsupplierrealizationsindottedlines...........64
5.9Comparisonoffixedintervalbiddingwith5intervals......66
5.10Comparisonoffixedintervalbiddingwith5intervalsandstep-
wisefixedcosts...........................67
5.11Comparisonoffixedapproximationerrorbiddingwithamaxi-
mumerrorof25%.........................68
5.12Comparisonoffixedapproximationerrorbiddingwithamaxi-
mumerrorof25%withoutfixedcosts...............69
6.1Descriptionlengthcomparisonofincrementalvs.totalquantity
bidsinLESSfor32supplierinstancesofthebasecase......76
6.2Comparisonofnumberofpriceintervalsfordifferentincremen-
talandtotalquantitybiddingpoliciesfor30singleitemCoP
instances...............................76
6.3Comparisonofcomputationtimefordifferentincrementaland
totalquantitybiddingpoliciesfor30singleitemCoPinstances
with2suppliers...........................77
6.4Comparisonofcomputationtimefordifferentincrementaland
totalquantitybiddingpoliciesfor30singleitemCoPinstances
with8suppliers...........................78
6.5Comparisonofcomputationtimefordifferentincrementaland
totalquantitybiddingpoliciesfor30singleitemCoPinstances
with64suppliers..........................78
6.6Comparisonofspendrelativetoan