基于数量的网络收益管理的近最优原始对偶算法
最优化与控制
2022-07-08 v4
摘要
我们研究典型的基于数量的网络收益管理（NRM）问题，其中决策者必须不可撤销地接受或拒绝每个到达的客户请求，目标是在资源有限的情况下最大化总收益。通过动态规划的精确求解因众所周知的维数灾难而在计算上难以处理。文献中现有工作利用确定性线性规划（DLP）的解来设计渐近最优算法。这些算法依赖重复求解DLP以实现近最优遗憾界。然而，实时重复计算DLP解十分耗时，尤其在可能涉及数亿需求单元的大规模问题中。在本文中，我们提出创新的NRM问题算法，易于实现且无需求解任何DLP。我们的算法实现了的遗憾界，其中为系统规模。据我们所知，这是首个（i）具有渐近遗憾界，且（ii）无需求解任何DLP的NRM算法。
引用
@article{arxiv.2011.06327,
title = {Near-Optimal Primal-Dual Algorithms for Quantity-Based Network Revenue Management},
author = {Rui Sun and Xinshang Wang and Zijie Zhou},
journal= {arXiv preprint arXiv:2011.06327},
year = {2022}
}