文件名称：通过自调节控件进行自适应参数和非参数多产品定价-研究论文
文件大小：895KB
文件格式：PDF
更新时间：2024-06-08 13:47:55
Revenue management learning self-adjusting control
我们研究了一个多时期的网络收益管理（RM）问题，其中卖方在先验需求函数未知的环境下，以有限的容量销售由多种资源制成的多种产品。 卖方的目的是共同了解产品的需求和定价，以最大程度地减少其预期的收入损失。 本文同时考虑了参数和非参数情况。 在文献中众所周知，在任何一种情况下，任何定价策略的收益损失至少为k ^ {1/2}。文学。 为了缩小差距，我们开发了几种具有强大性能界限的自调整启发式方法。 对于一般参数情况，我们提出的参数自调整控制（PSC）达到O（k ^ {1/2}）收入损失，与理论下限匹配。 如果参数需求函数族进一步满足分离条件，则可以利用被动学习的优势，我们提出的加速参数自调节控制可实现O（log ^ 2 k）更大的收益损失。 对于非参数情况，如果需求函数足够平滑，我们提出的非参数自调整控制（NSC）对于任意小的ϵ> 0都会获得O（k ^ {1/2 + ϵ} log k）的收益损失。 我们的结果表明，就性能而言，至少在渐近上，非参数方法可以与参数方法一样强大。 所有提出的启发式算法在计算上都非常有效，并且可以用作开发针对大型问题的更复杂的启发式算法的基准。