في عالم المزادات، يمثل تصميم المزادات المتكررة (Iterative Combinatorial Auctions) تحديًا كبيرًا بسبب النمو الأسي لمساحة الحزم مع زيادة عدد العناصر المباعة. ولذلك، تم تطوير خوارزميات جديدة تعتمد على الذكاء الاصطناعي (Machine Learning) لجذب تفضيلات المزايدين بشكل فعال، بالاعتماد على أقل المعلومات الأكثر أهمية.
وبالرغم من أن الخوارزميات المعتمدة على الذكاء الاصطناعي الحالية تجمع تفضيلات المزايدين من خلال استعلامات القيم، إلا أن استخدام المعلومات في المزادات المنفذة عادة ما يتم من خلال استعلامات الطلب.
في هذا السياق، تم تقديم خوارزمية جديدة، تُعرف باسم MLHCA، التي تعمل على دمج كل من استعلامات القيم والطلبات. التجارب أثبتت أن الجمع بين النوعين من الاستعلامات يعزز أداء التعلم بشكل كبير، حيث حققت MLHCA تحسنًا ملحوظًا في الكفاءة تقلصت معه خسائر الكفاءة بنسبة تصل إلى 10 مرات، مع تقليل عدد الاستعلامات بنسبة تصل إلى 58%.
بهذا الشكل، تساهم MLHCA في تحسين العمليات المزادية بشكل كبير، مما يقلل العبء العقلي على المزايدين ويضع معيارًا جديدًا للفعالية والعملية. لمزيد من التفاصيل، يمكنكم الاطلاع على الكود البرمجي الخاص بالخوارزمية على [GitHub](https://github.com/marketdesignresearch/MLHCA).