具有部分指定需求分布的多产品动态定价

@文章{Boer2014DynamicPW,title={多产品和部分指定需求分布的动态定价},author={Arnoud V.den Boer},日志={数学运算结果},年份={2014},体积={39},页码={863-888},网址={https://api.semanticscholar.org/CorpusID:12377610}}
一种定价策略,在每个时间段使用相对于当前参数估计最优的价格,并具有额外的约束,以确保足够的价格分散,这是通过设计矩阵的最小特征值来衡量的。

本文中的数字

有限库存下的动态定价与学习

该问题满足内生学习性质,即当选择最优价格w.r.t.时,如果所选销售价格与最优价格足够接近,则未知参数是动态学习的。

具有最小和灵活价格调整的实时动态定价

一系列定价启发法,只需要在销售季节开始时进行一次优化,并随着时间的推移自动调整价格,为卖家管理价格提供了额外的灵活性。

具有需求协变量的动态定价

这项工作假设企业可以获得可预测需求的需求协变量,并证明GILS实现了订单对数(T)的渐近最优后悔,并表明即使协变量不具信息性,GILS的非对称最优性也成立。

有限价格实验下的动态定价和需求学习

证明了一个定价策略会引起O(log^(m)T)或m次对数迭代的遗憾,并且证明了在常数因子下,这种遗憾是最小的。

库存约束下非参数动态定价的近似最优二等分搜索

这项工作提出了一系列定价启发式方法,成功地平衡了勘探和开发之间的权衡,并将经典的平分搜索方法扩展到受随机噪声和库存约束影响的问题。

操作摩擦下的动态定价

本文研究了卖家向客户销售多种能力受限产品/服务的行业中的战术动态定价决策。动机

未知需求模型下的动态定价:渐近最优半最优策略

结果表明,相对于了解基本需求模型的洞察力而言,T期内可实现的最小收入损失在前一种情况下为订单T,在后一种情况中为订单对数T。

基于选择的收入管理中可替代产品的估计和定价

在基于选择的收入管理中,需要一个决策问题来维持客户偏好学习和收益之间的平衡,并在多臂Bandit实验中提出了两种拉动策略来平衡探索和开发之间的权衡。

外部信息和库存约束下的动态定价

针对一般的约束在线学习问题,推导了最优差距的无约束表示,给出了不同体制之间动态定价算法所获得的预期收益的上界和下界。

随机动态定价和库存控制的学习算法。

本文提供了所开发的数据驱动算法的收敛速度的理论结果,证明了在决策者预先知道需求过程的情况下,收敛到真正的洞察力最优策略,并证明了随着规划时间的增加,后悔以尽可能快的速度消失。

基于受控方差定价的同步学习与优化

该策略的核心思想是增强确定性等价定价策略,在先前选择的价格平均值周围设置一个禁忌区间,这意味着最终将学习到最优价格的值,并导出后悔的上限。

基于需求学习的非易腐产品动态定价

将零售商问题表示为(泊松)强度控制问题,导出了最优解的结构性质,并给出了一个简单有效的近似解。

不知道需求函数的动态定价:风险边界和近优算法

一个单产品收入管理问题,其目标是在有限的销售范围内动态调整价格,以最大化预期收入,所提出的算法开发了“动态”学习需求函数的策略,并基于此优化价格。

一般参数选择模型下的动态定价

一个程式化的动态定价模型中,垄断者将产品定价给一系列T客户,这些客户根据一般参数选择模型提供的价格独立做出购买决策,该模型中最优定价策略的遗憾是$\Theta(\sqrt T)$。

具有先验市场响应的动态定价

计算机结果表明,与最近研究的确定性等价和贪婪启发式相比,衰减平衡带来了显著的收入收益,并且与这些替代方法相比,库存变化和到达率的不确定性对衰减平衡价格具有适当的方向性影响。

未知线性需求模型下的动态定价:渐近最优半周策略

我们考虑一个在T时段内销售一组产品的垄断者。卖方最初不知道产品线性需求曲线的参数,但可以估计这些参数

未知需求模型下的动态定价:渐近最优半最优策略

结果表明,相对于了解基本需求模型的洞察力而言,T期内可实现的最小收入损失在前一种情况下为订单T,在后一种情况中为订单对数T。

稳健的多产品定价

本文研究存在模型不确定性时多个易腐产品的动态定价问题,我们将其表示为一个最坏情况下的随机强度控制问题,其中建模了模糊性

需求信息有限的垄断定价

传统的垄断定价模型假设企业拥有关于市场需求和消费者偏好的完整信息。在本文中,我们研究了一个典型的垄断定价问题

需求不确定时的定价和学习

讨论了具有不确定需求的垄断定价问题的实用策略(对于离散时间、连续价格和需求,在线性和高斯设置下)。使用此模型
...