不确定性与模型误规情形下的新闻贩卖问题

问题定义：我们考虑需求分布未知的新闻贩卖问题，区分不确定性（即新闻贩卖商无法区分具有共同特征的需求分布）与模型误规情形（即这些特征可能被误规）。方法与结果：通过最大化最坏情况预期利润来对抗不确定性与模型误规情形，正则化项基于分布到模糊集合的距离。聚焦于流行的均值-方差模糊集合和用于模型误规情形的最优传输成本，我们展示，模型误规情形的决策准则具有洞察性的分布变换解释。推导了在仅考虑不确定性情形下的Scar模型解的推广形式的闭式最优订购量。建立了有限样本性能保证，其包含两个部分：样本内最优值和模型误规情形的样本外效应，可进一步解耦为估计误差和分布迁移。我们还将框架扩展到多产品、通过最优传输指定的分布特征，以及以总变差距离度量模型误规情形。管理意义：闭式解突显了模型误规情形的影响：在模型误规情形下的最优订购量会随着价格或方差的增加而减小，这与仅考虑不确定性情形下的单调性相反。因此，作为分布不确定性不同层次，模糊性与模型误规情形可能导致不同的运营后果。有限样本性能保证在理论上证明了在非平稳环境中纳入模型误规情形的必要性，这在我们使用真实数据实验中也得到了良好演示。