多个智能体争取一个资源时，分给谁和收取多少是两个不同问题。下面用第二价格密封拍卖作数学教学：最高报价者获胜，但支付第二高报价。数字和资源都是自造输入，不接交易账户，也不代表任何实际市场。
先固定机制假设
演示有三个智能体 A、B、C，报价分别为 12、9、7；只有一件资源，没有最低保留价。最高价并列时按输入顺序选第一个。赢家是 A，价格为 9；如果 A 的真实价值为 12，则收益为 12−9=3。落选者收益为零。报价是智能体提交的数，真实价值是它对资源的评价，不能将二者无条件混为一个字段。
Tim Roughgarden 的机制设计讲义定义了单件第二价格拍卖及准线性收益模型。理论中的如实报价优势依赖固定规则和相应假设，不等于所有拍卖都应提交自己的最高估值；第一价格、预算约束、共谋与复杂多件机制需要另分析。
运行赢家与价格检查
保存 auction.py，用 Python 3 运行 python auction.py。函数只在内存中计算，不扣费、不签约、不更新外部状态。输入限制为至少两位参与者的有限非负数，拒绝 NaN 和无限值。
from math import isfinite
def auction(bids):
if len(bids) < 2 or any(type(v) not in (int, float) or not isfinite(v) or v < 0 for v in bids):
raise ValueError("at least two finite nonnegative bids required")
order = sorted(range(len(bids)), key=lambda i: (-bids[i], i))
return order[0], bids[order[1]]
winner, price = auction([12, 9, 7])
print("winner:", winner, "price:", price, "utility:", 12-price)
assert (winner, price) == (0, 9)
def utility(bid, value):
winner, price = auction([bid, 9, 7])
return value-price if winner == 0 else 0
assert utility(8, 8) == 0 and utility(10, 8) == -1
assert utility(12, 12) == max(utility(b, 12) for b in range(21))
print("value 8: truthful/overbid", utility(8,8), utility(10,8))应看到赢家编号 0、价格 9、示例收益 3。价值只有 8 的参与者如实报 8 时落选，报 10 却会支付 9、收益为 -1。这组离散报价测试只是算例核对，完整的策略性质由机制假设和理论分析支撑，不由遍历 21 个报价证明。
交付前核对规则变化
把赢家、支付价、真实价值、收益分别输出，检查是否意外按最高报价收费；并列、只有一个报价、负值和非法值都要有明确定义。改成多件资源、任务分包或不同数量需求后，第二高报价规则不能直接照搬。
本篇没有实现身份验证、资金结算、预算约束或实际资源授予。若作为智能体分配机制的原型，先用固定报价表做离线验算，再由真实业务确定支付与授权边界；算法返回赢家不意味着交易已完成。
资料与核对依据
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/33195.html
