4月22日，【明理講堂2022年第21期】有幸邀請(qǐng)到美國(guó)美國(guó)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)?lái)題為“An Asymptotically Tight Learning Algorithm for Mobile-Promotion Platforms”的學(xué)術(shù)報(bào)告，眾多師生參加了齊安焱老師的講座報(bào)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(dòng)推廣平臺(tái)為單個(gè)廣告商開展廣告活動(dòng)。活動(dòng)隨時(shí)間動(dòng)態(tài)到達(dá)，分為季節(jié)；每個(gè)活動(dòng)都要求平臺(tái)在所需的時(shí)間間隔內(nèi)從所需的一組位置提供目標(biāo)數(shù)量的移動(dòng)印象。該平臺(tái)通過(guò)在廣告交易平臺(tái)上實(shí)時(shí)出價(jià)，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(dòng)。每個(gè)位置都以其獲勝曲線為特征，即出價(jià)與以該出價(jià)贏得展示的概率之間的關(guān)系。平臺(tái)最初不知道各個(gè)感興趣位置的獲勝曲線，它會(huì)根據(jù)其為贏得印象的出價(jià)和已實(shí)現(xiàn)的結(jié)果而動(dòng)態(tài)學(xué)習(xí)它們。每個(gè)獲得的印象都分配給正在進(jìn)行的活動(dòng)之一。該平臺(tái)的目標(biāo)是在感興趣的時(shí)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(dòng)目標(biāo)而產(chǎn)生的懲罰）。接著，我們的主要結(jié)果是針對(duì)這個(gè)問(wèn)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(duì)于問(wèn)題來(lái)說(shuō)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(wèn)題的最優(yōu)成本之間的差異（即，其中一個(gè)平臺(tái)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(guò)在實(shí)例測(cè)試臺(tái)上的數(shù)值實(shí)驗(yàn)來(lái)展示我們策略的性能，這些實(shí)例的輸入?yún)?shù)是基于我們?cè)谡鎸?shí)世界移動(dòng)推廣平臺(tái)上的觀察。
齊安焱老師的線下精彩報(bào)告吸引了眾多來(lái)自的老師和學(xué)生，報(bào)告后，齊老師又與參會(huì)人員開展了近一個(gè)小時(shí)的交流，其親切的指導(dǎo)態(tài)度以及淵博的學(xué)識(shí)受到了參與人員的極高評(píng)價(jià)。
