4月22日，【明理讲堂2022年第21期】有幸邀请到美国美国德克萨斯大学达拉斯分校齐安焱副教授于主楼317为大家带来题为“An Asymptotically Tight Learning Algorithm for Mobile-Promotion Platforms”的学术报告，众多师生参加了齐安焱老师的讲座报告。
齐安焱老师首先介绍在供给侧和需求侧都存在不确定性的情况下，移动推广平台为单个广告商开展广告活动。活动随时间动态到达，分为季节；每个活动都要求平台在所需的时间间隔内从所需的一组位置提供目标数量的移动印象。该平台通过在广告交易平台上实时出价，从为应用程序提供广告空间的发布商那里获得印象，从而完成这些活动。每个位置都以其获胜曲线为特征，即出价与以该出价赢得展示的概率之间的关系。平台最初不知道各个感兴趣位置的获胜曲线，它会根据其为赢得印象的出价和已实现的结果而动态学习它们。每个获得的印象都分配给正在进行的活动之一。该平台的目标是在感兴趣的时间范围内最大限度地降低其总成本（用于获得展示的金额以及由于未达到活动目标而产生的惩罚）。接着，我们的主要结果是针对这个问题的投标和分配政策。我们使用策略下的遗憾概念证明了我们的策略对于问题来说是最好的（渐近紧致的），即该策略下的预期总成本与透视问题的最优成本之间的差异（即，其中一个平台提前有所有位置的获胜曲线的完整信息）：任何策略下的遗憾是
，其中I是季节数，我们的策略下是
。我们通过在实例测试台上的数值实验来展示我们策略的性能，这些实例的输入参数是基于我们在真实世界移动推广平台上的观察。
齐安焱老师的线下精彩报告吸引了众多来自的老师和学生，报告后，齐老师又与参会人员开展了近一个小时的交流，其亲切的指导态度以及渊博的学识受到了参与人员的极高评价。
