一般离散选择模型下的品类优化：对按收入排序品类的严格分析

收益管理中的品类问题是指决定向消费者提供哪个产品子集以最大化收益的问题。一种简单而自然的策略是，通过设定一个阈值收益 $\pi$，然后选择所有收益至少为 $\pi$ 的产品，从所有以此方式构建的品类中选出最佳品类。这被称为按收入排序品类策略。在本文中，我们研究了当顾客在以下意义上是理性时，按收入排序品类所提供的近似保证：从提供的集合中选择特定产品的概率，不能因集合扩大而增加。这一被称为正则性的理性假设，几乎被收益管理和选择理论文献中考虑的所有离散选择模型所满足，特别是随机效用模型。我们得到的界限是紧的，并改进了该方向上的近期结果，例如Rusmevichientong等人（2014）针对混合多项Logit模型的结果。我们分析的一个吸引人的特点是其简洁性，因为它仅依赖于正则性条件。我们还在品类优化与两个定价问题（称为单位需求无嫉妒定价和Stackelberg最小生成树）之间建立了联系：这些问题可以重新表述为正则性条件下离散选择模型下的品类问题，而且按收入排序品类此时对应于被广泛研究的统一定价启发式算法。当专门应用于该设定时，我们为按收入排序品类建立的一般界限匹配并统一了关于统一定价的最佳已知结果。