具备容量约束投资及溢出效应的序列服务区域设计
机器学习
2026-03-10 v1
摘要
服务区域设计决定了服务网络的地理覆盖范围，塑造了长期的运营绩效。资本和运营约束限制了同时进行大规模部署的可能性，要求扩张必须按顺序进行。由此产生的挑战是，在需求不确定性下确定何时何地投资，平衡早期投资与延迟投资之间的时代性权衡，并考虑到每一次部署通过区域间连接性重塑未来需求的网络效应。本研究解决了序列服务区域设计（SSRD）问题，纳入了两个实际且鲜有人关注的因素： 区域约束限制每个时期可投资的区域数量，以及将投资决策与需求演变相联系的随机溢出效应。所得问题要求在不确定性下对区域组合进行排序，导致可行投资序列呈指数级增长。为应对这一挑战，我们提出了一个将实物期权分析（ROA）与基于 Transformer 的近端策略优化（TPPO）算法集成的解决方案框架。ROA 评估投资序列的时代性期权价值，而 TPPO 学习能够直接生成高期权价值序列的序列策略，而无需进行穷举枚举。多区域真实情景的数值实验表明，TPPO 的收敛速度快于基准深度强化学习方法，并且始终能够识别出具有优越期权价值的序列。案例研究和灵敏度分析进一步确认了方法的稳健性，并提供了关于投资并发性、区域优先级以及在更强的溢出效应和动态市场条件下通过自适应扩张获得日益增大的收益的见解。
引用
@article{arxiv.2603.08188,
title = {Sequential Service Region Design with Capacity-Constrained Investment and Spillover Effect},
author = {Tingting Chen and Feng Chu and Jiantong Zhang},
journal= {arXiv preprint arXiv:2603.08188},
year = {2026}
}