集成基于随机遗憾最小化的离散选择模型与混合整数线性规划以优化收益
最优化与控制
2024-04-08 v3
摘要
本文探讨了运筹学（OR）中收益管理（RM）的关键领域，重点关注复杂的定价动态。该研究利用混合整数线性规划（MILP）模型，通过将产品价格作为决策变量并强调供需之间的相互作用，增强了收益优化效果。研究调查了离散选择模型（DCMs）的最新进展，特别是那些基于随机遗憾最小化（RRM）理论的模型，将其作为既有的基于随机效用最大化（RUM）的 DCMs 的有力替代方案。尽管 DCMs 在 RM 中广泛应用，但前沿的基于 RRM 的模型与其在 RM 策略中的实际整合之间仍存在显著差距。本研究通过将先进的基于 RRM 的 DCM 纳入 MILP 模型来解决这一差距，应对了容量受限和非容量受限供应场景下的定价挑战。所开发的模型证明了可行性，并从既有的基于 RUM 的框架中汲取灵感，提供了对消费者选择行为的多样化解读。这项研究有助于弥合先进 DCMs 在实际 RM 实施应用中的现有差距。
引用
@article{arxiv.2402.03118,
title = {Integrating Random Regret Minimization-Based Discrete Choice Models with Mixed Integer Linear Programming for Revenue Optimization},
author = {Amirreza Talebi and Sayed Pedram Haeri Boroujeni and Abolfazl Razi},
journal= {arXiv preprint arXiv:2402.03118},
year = {2024}
}