4月22日，【明理講堂2022年第21期】有幸邀請到美國美國德克薩斯大學(xué)達(dá)拉斯分校齊安焱副教授于主樓317為大家?guī)眍}為“An Asymptotically Tight Learning Algorithm for Mobile-Promotion Platforms”的學(xué)術(shù)報告，眾多師生參加了齊安焱老師的講座報告。
齊安焱老師首先介紹在供給側(cè)和需求側(cè)都存在不確定性的情況下，移動推廣平臺為單個廣告商開展廣告活動。活動隨時間動態(tài)到達(dá)，分為季節(jié)；每個活動都要求平臺在所需的時間間隔內(nèi)從所需的一組位置提供目標(biāo)數(shù)量的移動印象。該平臺通過在廣告交易平臺上實時出價，從為應(yīng)用程序提供廣告空間的發(fā)布商那里獲得印象，從而完成這些活動。每個位置都以其獲勝曲線為特征，即出價與以該出價贏得展示的概率之間的關(guān)系。平臺最初不知道各個感興趣位置的獲勝曲線，它會根據(jù)其為贏得印象的出價和已實現(xiàn)的結(jié)果而動態(tài)學(xué)習(xí)它們。每個獲得的印象都分配給正在進(jìn)行的活動之一。該平臺的目標(biāo)是在感興趣的時間范圍內(nèi)最大限度地降低其總成本（用于獲得展示的金額以及由于未達(dá)到活動目標(biāo)而產(chǎn)生的懲罰）。接著，我們的主要結(jié)果是針對這個問題的投標(biāo)和分配政策。我們使用策略下的遺憾概念證明了我們的策略對于問題來說是最好的（漸近緊致的），即該策略下的預(yù)期總成本與透視問題的最優(yōu)成本之間的差異（即，其中一個平臺提前有所有位置的獲勝曲線的完整信息）：任何策略下的遺憾是
，其中I是季節(jié)數(shù)，我們的策略下是
。我們通過在實例測試臺上的數(shù)值實驗來展示我們策略的性能，這些實例的輸入?yún)?shù)是基于我們在真實世界移動推廣平臺上的觀察。
齊安焱老師的線下精彩報告吸引了眾多來自的老師和學(xué)生，報告后，齊老師又與參會人員開展了近一個小時的交流，其親切的指導(dǎo)態(tài)度以及淵博的學(xué)識受到了參與人員的極高評價。
