用于整车运输市场动态竞价的强化学习：在带预售承诺的大规模车队管理中的应用
机器学习
2019-06-05 v2 机器学习
摘要
整车运输经纪业在美国是一个年收入达1000亿美元的行业，在将托运人与承运人对接方面发挥着关键作用，且常常需安排数天后的货物运输。经纪商不仅要找到愿意承运货物的公司，往往还需确定一个托运人与承运人都可接受的价格。该价格不仅因托运人和承运人而异，还受运输线路以及货物类型等其他变量的影响。经纪商必须通过给出报价并观察各方是否接受，来学习托运人与承运人的响应函数。我们提出了一种结合自助聚合（bootstrap aggregation）的知识梯度策略，用于高维上下文场景，通过最大化信息价值来引导价格实验。该学习策略使用一个经过精细校准的车队模拟器进行测试，该模拟器包含模拟车队运行的随机前瞻策略，以及司机分配与承运人在预售条件下的载货承诺策略的随机建模。
引用
@article{arxiv.1802.08976,
title = {Reinforcement Learning for Dynamic Bidding in Truckload Markets: an Application to Large-Scale Fleet Management with Advance Commitments},
author = {Yingfei Wang and Juliana Martins Do Nascimento and Warren Powell},
journal= {arXiv preprint arXiv:1802.08976},
year = {2019}
}