針對(duì)庫存約束的動(dòng)態(tài)定價(jià)的機(jī)器學(xué)習(xí)方法

1933年，William R. Thompson發(fā)表了一篇關(guān)于基于貝葉斯模型的算法的文章，該算法最終將被稱為Thompson樣本。這種啟發(fā)式在很大程度上被學(xué)術(shù)界忽視，直到最近它成為激烈研究的主題，部分歸功于成功實(shí)施在線廣告展示的互聯(lián)網(wǎng)公司。

湯普森抽樣選擇行動(dòng)來解決多臂匪徒問題中的勘探開發(fā)問題，以最大限度地提高績(jī)效并不斷學(xué)習(xí)，獲取新信息以改善未來績(jī)效。

在一項(xiàng)新研究中，“使用湯普森抽樣進(jìn)行在線網(wǎng)絡(luò)收入管理”，麻省理工學(xué)院教授David Simchi-Levi及其團(tuán)隊(duì)現(xiàn)已證明Thompson抽樣可用于收益管理問題，其中需求函數(shù)未知。

納入庫存限制

采用湯普森抽樣進(jìn)行收益管理的主要挑戰(zhàn)是原始方法不包含庫存約束。然而，作者表明Thompson采樣可以自然地與經(jīng)典的線性程序公式相結(jié)合，以包括庫存約束。

結(jié)果是動(dòng)態(tài)定價(jià)算法結(jié)合了領(lǐng)域知識(shí)，具有很強(qiáng)的理論性能保證以及有前途的數(shù)值性能結(jié)果。

有趣的是，作者證明Thompson抽樣在不考慮領(lǐng)域知識(shí)的情況下表現(xiàn)不佳。

Simchi-Levi說：“令人興奮的是，湯姆森抽樣可以適應(yīng)經(jīng)典的線性程序公式，包括庫存限制，并且可以看出這種方法可以應(yīng)用于一般的收益管理問題。”

行業(yè)應(yīng)用可以提高收入

所提出的動(dòng)態(tài)定價(jià)算法非常靈活，適用于各種行業(yè)，從航空公司和互聯(lián)網(wǎng)廣告一直到在線零售。

剛剛被運(yùn)營研究期刊接受的這項(xiàng)新研究是Simchi-Levi的一項(xiàng)大型研究項(xiàng)目的一部分，該項(xiàng)目結(jié)合了機(jī)器學(xué)習(xí)和隨機(jī)優(yōu)化，以提高收入，利潤和市場(chǎng)份額。

本研究流程中開發(fā)的算法已在諸如Groupon(日常做市商)，美國在線閃存銷售零售商Rue La La，拉丁美洲大型在線零售商B2W Digital以及大型釀酒公司等公司實(shí)施。 Simchi-Levi和他的團(tuán)隊(duì)優(yōu)化了公司在各種零售渠道的促銷和定價(jià)。