基于选择的网络收益管理的列生成算法-研究论文

在过去的几年中，通过考虑客户选择行为来丰富建立在独立需求范式上的传统收入管理模型已经成为一种趋势。 这种扩展涉及建模和计算挑战。 描述选择行为的一种方法是假设每个客户属于一个细分市场，该细分市场以考虑集为特征，即客户认为的公司提供的产品子集选项。 客户根据多项 logit 标准选择特定产品，这是营销文献中广泛使用的模型。在本文中，我们考虑了 Gallego 等人的基于选择的、确定性的线性规划模型 (CDLP)。 [6] 以及 van Ryzin 和 Liu [16] 的后续动态规划 (DP) 分解启发式，并关注这些模型的更一般版本，其中客户属于重叠部分。 为了解决实际规模网络的 CDLP，我们需要开发一种列生成算法。 我们证明相关的列生成子问题确实是 NP-Complete，并提出了一个简单的、贪婪的启发式来克服精确算法的复杂性。 我们的计算结果表明，启发式方法非常有效，并且整体方法具有良好的实用潜力并能产生高质量的解决方案。