航空公司收益管理中的收益最大化与需求学习优化
机器学习
2022-03-22 v1
摘要
准确估计需求如何响应价格，对于希望优化定价策略的航空公司而言至关重要。在某些条件下，这些策略在力求最大化短期收益的同时，可能出现价格变动过少的情况，从而降低未来需求预测的整体质量。这一问题被称为“在学习中盈利”（earning while learning）问题，并非航空公司独有，近年来已被学术界与工业界研究。文献中最具前景的方法之一是将收益最大化与需求模型质量结合进单一目标函数。该方法在仿真研究与真实基准测试中均表现出色。然而，此工作需适配航空公司收益管理（RM）中出现的某些约束，例如需要同时控制一条航段上多个活跃航班的价格。本文中，我们在假设容量无约束的前提下将该法调整用于航空公司RM。随后，我们证明新算法能高效进行价格实验，从而在较长时期内产生比仅追求收益最大化的经典方法更多的收益。
引用
@article{arxiv.2203.11065,
title = {Optimizing Revenue Maximization and Demand Learning in Airline Revenue Management},
author = {Giovanni Gatti Pinheiro and Michael Defoin-Platel and Jean-Charles Regin},
journal= {arXiv preprint arXiv:2203.11065},
year = {2022}
}