面向众包配送系统的匹配市场设计的流体-粒子分解方法
最优化与控制
2023-12-05 v1 计算机科学与博弈论
摘要
本文考虑一个众包配送（CSD）系统，该系统有效利用现有行程来完成包裹配送，并将其建模为CSD司机与配送任务之间的匹配问题。该匹配问题面临两大挑战。首先，它是一个大规模组合优化问题，难以在合理的计算时间内求解。其次，社会最优匹配的目标函数评估包含司机执行任务的效用，而这通常是不可观测的私有信息。为应对这些挑战，本文提出了一种CSD任务的分层分配机制，将匹配问题分解为任务划分（主问题）和较小司机组内的个体任务-司机匹配（子问题）。我们将具有真实性和效率的拍卖机制融入子问题，从而通过司机的出价揭示其感知效用。此外，我们将主问题建模为基于连续近似决策变量的流体模型。通过利用随机效用框架，我们使用连续变量解析地表示问题的目标函数，而无需显式知道司机的效用。数值实验表明，所提出的方法求解大规模匹配问题的速度比朴素LP求解器至少快100倍，且对原始目标值的近似误差小于1%。
引用
@article{arxiv.2312.01641,
title = {A fluid-particle decomposition approach to matching market design for crowdsourced delivery systems},
author = {Takashi Akamatsu and Yuki Oyama},
journal= {arXiv preprint arXiv:2312.01641},
year = {2023}
}