本文提出了一种新的整数规划模型，旨在解决幻想足球中预算限制下的球队选择问题。研究显示，该模型在2023/24赛季表现优异，为幻想足球策略提供了重要见解。

本研究提出了一种基于oracle模仿学习的方法，解决在线广告实时拍卖中的出价决策问题。该方法将出价优化转化为多重选择背包问题，显著提高了自动出价代理的样本效率和性能，尤其在预算和成本限制下表现优异。

本研究探讨在多个数据源和预算限制下，如何有效进行在线数据收集以估计目标参数。提出两种在线数据收集策略，证明其在因果效应估计任务中优于固定策略，具有零后悔优势。

本文研究了无嫉妒学习的拍卖机制，探讨了组合拍卖和在线学习算法在预算限制下的应用，提出了多种优化算法和框架，以提高拍卖效率和收益，尤其在大规模拍卖中展现出良好的可扩展性和竞争力。

本文探讨了在线广告拍卖中的投标优化策略，提出了一种新算法以最大化广告主效益并满足预算限制。研究表明，该算法在完全信息情况下的表现优于现有方法，并通过实验验证了其有效性。