文件名称:具有销售损失和需求审查的联合定价和库存控制的非参数学习算法-研究论文
文件大小:592KB
文件格式:PDF
更新时间:2024-06-29 09:17:06
algorithm joint pricing
我们考虑一个联合定价和库存控制问题,其中客户对销售价格的React和需求分布是先验未知的。 未满足的需求会丢失且未被观察到,用于决策的唯一可用信息是观察到的销售数据(又名审查需求)。 常规方法,例如随机逼近、在线凸优化和连续武装*算法,无法使用,因为利润函数的实现值及其导数均未知。 这个问题的一个主要挑战在于,根据观察到的销售数据构建的估计利润函数在价格上是多峰的。 我们开发了一种基于非参数样条近似的学习算法。 该算法将规划范围分为不相交的探索阶段和开发阶段。 在探索阶段,价格空间被离散化,每个价格提供相同数量的周期以及预先指定的目标库存水平。 基于这些价格收集的销售数据,构建需求-价格函数的样条近似,然后在稀疏网格上求解相应的代理优化问题,以获得一对推荐价格和目标库存水平。 在开发阶段,算法实施推荐的策略。 我们建立了一个(几乎)平方根后悔率,它(几乎)与理论下限相匹配。