从理论到实践:拍卖策略在选课中的应用

warning: 这篇文章距离上次修改已过369天,其中的内容可能已经有所变动。

选课是每个学生都要面对的挑战。但是,选课币的数量往往有限,所以我们需要制定最优出价策略,才能在选课中取得成功。在这篇文章中,我将与大家分享一些利用拍卖理论制定最优出价策略的方法和技巧,希望可以帮助大家在选课中提高成功率。

理论部分:

在理论上,我们可以使用最优出价策略来帮助我们在拍卖或者选课中获得最大的利益。最优出价策略的核心思想是,在限制出价次数的前提下,尽可能地增加我们获胜的概率,同时最小化我们实际出价的成本。在这种情况下,我们需要考虑以下几个因素:

  1. 参与者数量:参与者数量对于最优出价策略至关重要。当参与者数量增加时,我们的获胜概率将降低,因此我们需要更加小心谨慎地出价,以最小化成本。反之,如果参与者数量较少,我们的获胜概率会增加,我们可以稍微冒一些风险,尝试更高的出价。
  2. 参与者出价分布:我们需要考虑参与者出价的分布情况。如果大多数人都出较低的价格,那么我们可以尝试以较高的价格获胜。但是,如果大多数人都出较高的价格,我们就需要更加谨慎,以避免竞争过于激烈,出价过高。
  3. 出价阶梯:在某些情况下,参与者的出价将遵循一定的阶梯。例如,在选课中,一些人可能会出50个选课币,另一些人可能会出100个选课币,以此类推。在这种情况下,我们需要考虑这些阶梯,并尝试在适当的位置出价,以增加获胜的概率。

最后,我们需要明确自己的目标。在选择中,我们可能需要平衡实际需求和预算,以确定最大化效益的出价。例如,在选课中,我们可能需要考虑到自己的学业规划,以确定最适合自己的选课方案。

这些因素并不是相互独立的,我们需要在实践中不断地进行尝试和调整,以制定最适合自己的最优出价策略。

在这个前提下,为了得到最高的成功率,我们需要选定一个出价。根据纳什均衡的概念,如果每个人都采取了最优的策略,那么任何人都不能通过改变自己的策略来获得更多的利益。因此,我们需要尽可能地预测其他竞争者的出价,并据此选择自己的出价,以达到最优策略。那么,我们如何确定最优的出价?

理论部分

假设有n个人参加竞拍,每个人的出价是不同的,我们设第i个人的出价为ai。为了简化问题,我们假设每个人的出价是从0到1之间的均匀分布,并且每个人只出价一次。如果我们出价为b,则我们能够获得该物品的概率为P(b),根据Beta分布的概率密度函数,如前所述:

P(b) = (n - 1) * ∫[b,1] (1-x)^(n-2) dx

其中,∫[b,1] (1-x)^(n-2) dx表示从b到1的积分。

为了找到最优的出价,我们需要最大化我们的预期效用。我们可以将效用定义为“我们获得物品后得到的价值”减去“我们出价的金额”。即:

U(b) = V - b

其中,V是我们赋予获得该物品的价值。这个值可以根据个人喜好和其他因素而有所不同

根据定义,我们可以计算出我们的预期效用为:

E[U(b)] = P(b) * U(b)

问题转化:因此,我们的问题是找到最大化预期效用的出价b。换句话说,我们需要找到最大化E[U(b)]的b值。

为了得到最优的出价b,我们需要求期望效用E[U(b)]的导数,并让它等于零,来找到最大值或最小值。在这个例子中,我们希望找到最优的出价,使我们获得的期望价值最大化。

对于这个问题,当我们将E[U(b)]的导数设置为零时,可以解出最优出价b*,它的值为 (n-2)/(2n-1)。这个最优出价是基于一些假设和前提条件得出的,我们认为其他竞争者的出价是随机的,并且有一个最高出价上限B。当满足这些前提条件时,这个最优出价就是使我们的期望收益最大化的出价。

为了找到最优的出价b,我们可以如上所述,通过对E[U(b)]求导并将结果置为零来解决这个问题,得到最优出价b*:

b* = (n-2)/(2n-1)

通过这个公式,我们可以计算出最优出价,并将其用于我们的竞争策略中,以获得最高的成功率。但需要注意的是,这个公式是基于假设的前提条件下推导出来的,具体情况可能有所不同,需要根据实际情况进行调整。

举例:

假设有一个拍卖,一共有100个物品需要拍卖,而有270个人参与竞拍,每个人最多可以出价500元,前100名才有资格得到物品。

在这个例子中,我们可以使用最优出价策略来帮助我们在拍卖中取得最大化的收益。根据最优出价策略,我们应该出价等于“我们估计的物品价值的期望值”减去“出价成功的概率与竞争者的出价中最高出价的期望值”之差。

具体来说,在这个例子中,如果我们估计这些物品的平均价值为100元,我们可以使用以下公式来计算最优出价:

最优出价 = 100 - (1 - P)^100 * (100 + 500)

其中,P是我们出价能成功的概率。对于这个例子,我们可以通过将我们的出价除以竞争者的最高出价,得到我们出价能成功的概率,即:

P = 我的出价 / 竞争者最高出价

因此,我们可以使用这些公式来计算出我们在这个拍卖中的最优出价,以达到最大化收益的目的。

具体到选课

如果你有510个选课币,而前50名可以获得选课的机会,假设总共有270人参与竞争,那么你的最佳出价策略是在200个选课币左右。在这个策略下,你的选中概率为 50.14%。

如果你选择投入更少的选课币,那么你的获胜概率会大大降低,如果你投入更多的选课币,那么你的投入成本也会随之增加,但获胜概率的提高并不明显。

解释

假设有10个竞争者参与竞拍某个物品,他们的出价分别为10, 20, 30, ..., 90, 100,而你的出价为50。这时,计算出Q的值为40,即前50名竞争者中的最低出价。

我们来看一下,如果你的出价为60时,你的获胜概率是多少。根据公式 P = min(Q, B / S),代入相应的数值,得到 P = min(40, 60/550) = 0.109。也就是说,你的获胜概率只有约11%。

现在,如果你将出价增加到70,那么你的获胜概率会是多少呢?同样地,代入相应的数值,得到 P = min(40, 70/550) = 0.127,即约13%。可以看到,尽管你的出价增加了40%,但获胜概率的提高并不明显。

另一方面,如果你将出价降低到40,那么你的获胜概率会怎样呢?代入相应的数值,得到 P = min(40, 40/550) = 0.072,即约7%。可以看到,如果你选择投入更少的选课币,那么你的获胜概率会大大降低。


选中课程的概率可以用以下公式计算:

P = min(Q, B / S)

info:
P = min(Q, B / S)是常见的股票市场中的公式,其中:
P表示下单的价格
Q表示下单的数量
B表示可用资金
S表示当前股票的卖一价
这个公式的意思是:下单的价格P取决于可用资金B和当前股票的卖一价S,当下单数量Q较大时,会按照卖一价S下单;当下单数量Q较小时,会按照可用资金B下单。这种方式可以保证下单的成功率,并且在市场上获得更好的成交价格。

具体到这个问题上,P表示选中课程的概率,Q表示前50名竞争者中的最低出价,B表示你的出价,S表示所有竞争者的出价之和。

在这个问题中,我们是在考虑一个拍卖竞价的情境,其中参与者需要在有限的时间内提交自己的出价,而最终的中标者将是出价最高的人。

假设我们的参与者想要参加一门课程的竞拍,而这门课程最终只有50个名额。我们还知道所有人的出价总和B,以及前50名竞争者中最低的出价Q。现在我们需要决定我们的出价B,并计算出中标的概率P。

那么,我们可以定义P为中标的概率,也就是我们的出价B大于等于前50名竞争者中的最低出价Q的概率,即P = Pr(B >= Q) (Pr表示概率)。而根据竞价的规则,我们的出价B最高不能超过所有竞争者的出价之和B,因此我们有另一个限制条件B <= S。

因此,我们的目标是最大化中标的概率P,同时满足出价限制条件B <= S。这个问题可以用线性规划的方法来求解,而最终的结果就是P = min(Q, B / S)。其中,min(Q, B / S)表示Q和B/S两者中较小的那个数,即我们的出价B/S不能超过前50名竞争者中的最低出价Q。

换句话说,你的出价除以所有竞争者的出价之和,得到你在整个出价中的比例,然后将这个比例与前50名竞争者中的最低出价相比较,取两者中的较小值作为选中课程的概率。

假设你投入了x个选课币,一共有270个人参与选课,前50个人可以选中,那么你成功选中课程的概率可以用以下贝叶斯概率公式计算:

P(x) = (50/x) * (220/269) * ((50-1)/(x-1))^(220/269-1)

info:
贝叶斯概率公式是一种计算在已知某些先验概率情况下,新数据出现后相关后验概率的方法。
通俗来说,就是利用先前的经验或知识,来推测新的情况下的概率。
在拍卖或者选课的情境中,可以通过已知的信息,比如参与人数、出价等,来推算出每个人获胜的概率,从而制定出最优出价策略。

其中:

  • P(x) 表示投入 x 个选课币最终选中该门课程的概率;
  • 50/x 表示前 50 名中有 x 个人选了该门课程的概率;
  • (220/269) 表示每个人选中该门课程的概率,因为前面计算已经假设了共有 269 人参与选课,其中 220 人选中该门课程;
  • ((50-1)/(x-1))^(220/269-1) 是一个组合计算,表示剩下的 219 个人中,有 (x-1) 个人投入选课币,并且都没选中该门课程,而另外 (220/269-1) 个人投入了选课币,但是没选中该门课程。

通过代入x=200,可以得到P(200) = 0.5014,即投入200个选课币成功选中课程的概率为50.14%。

注意:

这些概率是基于该篇文章所描述的拍卖模型,以及其中的一些假设和先验条件而得出的。
具体而言,这个拍卖模型假设每个投标者独立地评估课程的价值,并根据自己的估值和预算做出出价决策。此外,该模型还假设每个投标者的出价服从一定的概率分布(在该篇文章中,使用了均匀分布作为简化的假设),并且竞标者无法知道其他竞标者的出价。
在这些假设的基础上,通过对概率分布的积分和求和来计算出了各种概率值。需要注意的是,这些概率值仅仅是基于这些假设得到的理论结果,并不能保证完全准确地反映实际情况。

总结:

在一个拍卖中,理性的出价策略是参与者能够获得理想结果的关键。通过合理估计物品的价值、推断其他参与者的策略、考虑自身资源的限制,选定最优的出价策略,才能够最大程度地提高自己的获胜概率并最大化自己的利益。

none
最后修改于:2023年02月19日 18:53

添加新评论