文件名称：双边匹配平台的在线分类优化-研究论文
文件大小：1.54MB
文件格式：PDF
更新时间：2024-06-29 10:37:38
assortment optimization matching
受在线劳动力市场的推动，我们考虑了双边匹配平台面临的在线分类优化问题，该平台托管一组等待与客户匹配的供应商。 到达的客户会看到各种各样的供应商，并且可以选择向其中一个发出匹配请求。 在平台上呆了一段时间后，每个供应商都会审查他收到的所有匹配请求，并根据自己的喜好选择是与客户匹配还是不匹配。 我们研究平台应该如何设计在线分类算法，以在这种两侧设置中最大化预期的匹配数量。 我们表明，当供应商不立即接受/拒绝匹配请求时，我们的问题与客户选择一组产品的标准（单边）分类问题有着根本的不同。 我们建立了一个简单的贪婪算法与一个预先知道客户到达的完整序列的最佳千里眼算法的 1/2 竞争。 然而，与相关的在线分类问题不同，没有随机算法可以实现更好的竞争比率，即使在渐近机制中也是如此。 为了超越这种普遍的可能性，我们考虑结构化设置，其*应商的偏好由多项 Logit 和嵌套 Logit 选择模型描述。 我们开发了专门的平衡算法，我们称之为偏好感知，利用关于供应商选择模型的一般信息。 在某些情况下，由此产生的竞争比率可证明大于对抗性到达模型中 1-1/e 的标准“障碍”。 总的来说，我们的结果表明，供应商偏好的形状和时间在设计在线双面分类算法中起着关键作用。