Algorithmic Collusion And The Minimum Price Markov Game

本文介绍了最低价马尔可夫博弈（MPMG），它是囚徒困境的一种动态变体。MPMG作为一个理论模型和现实世界首价封闭竞标公共拍卖的合理近似，旨在为研究人员和从业者提供一个框架，研究数字化和非数字化公共采购过程中市场公平性和监管，同时也关注在线市场算法勾结的不断增长的担忧。我们使用多智能体强化学习驱动的人工智能代理来展示，当合作没有明确设计时，算法暗示协调在MPMG中很难实现。具有讽刺意味的是，我们的结果突显了拍卖环境中最低价规则的韧性，但也表明它并不免疫全面的算法勾结。这些发现有助于关于算法定价及其影响的持续辩论。

论文旨在提出一个理论模型和合理的近似公开招标过程中的最低价规则，以研究市场公平性和监管问题。同时，探讨算法协作对于最低价规则的影响。

Minimum Price Markov Game (MPMG)是一个动态变体的囚徒困境问题，用于模拟现实中的最低价规则公开招标。通过多智能体强化学习驱动的人工智能代理，论文证明了算法隐性协调在MPMG中难以实现，但在公开招标环境中，最低价规则具有鲁棒性，但也不完全抵御全面的算法勾结。

论文使用了多智能体强化学习驱动的人工智能代理，设计了实验来探讨算法协作对于最低价规则的影响。研究结果表明，最低价规则在公开招标环境中具有鲁棒性，但也不完全抵御全面的算法勾结。这些发现对于算法定价及其影响的持续争论做出了贡献。

最近的相关研究包括《Algorithmic collusion under the independent items assumption》、《Price Competition and Algorithmic Collusion》等。