附加折扣收益管理问题的在线学习与优化
数据结构与算法
2020-05-05 v1 机器学习
最优化与控制
应用统计
摘要
本文研究一个带附加折扣的收益管理问题。该问题受视频游戏行业实践启发：零售商向已购买核心产品（如游戏主机）的顾客对选定辅助产品（如视频游戏）提供折扣。我们将此问题表述为确定不同产品价格及带附加折扣产品选择的优化问题。为克服该优化问题的计算挑战，我们提出一种高效的 FPTAS 算法，可任意精度近似求解。此外，我们考虑零售商对不同产品需求函数无先验知识的设定下的收益管理问题。为解决此问题，我们提出一种基于 UCB 的学习算法，以 FPTAS 优化算法为子程序。我们表明该学习算法可收敛至能访问真实需求函数的最优算法，并证明收敛速度在某一对数项内是紧的。另外，我们利用从 Tmall.com 上某流行视频游戏品牌在线商店收集的真实交易数据进行了数值实验。实验结果说明了我们的学习算法在各种场景下的鲁棒性能与快速收敛。我们还将其与不使用任何附加折扣的最优策略比较，结果显示了实践中使用附加折扣策略的优势。
引用
@article{arxiv.2005.00947,
title = {Online Learning and Optimization for Revenue Management Problems with Add-on Discounts},
author = {David Simchi-Levi and Rui Sun and Huanan Zhang},
journal= {arXiv preprint arXiv:2005.00947},
year = {2020}
}