没有合适的资源?快使用搜索试试~ 我知道了~
基于策略学习的机票动态定价算法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 109 浏览量
2023-02-23
20:12:09
上传
评论
收藏 276KB DOCX 举报
温馨提示
试读
9页
基于策略学习的机票动态定价算法.docx
资源推荐
资源详情
资源评论
1. 引言
航空公司采用收益管理技术提升了 2%至 8%的票务年收入
[1]
。机票动态定价是收益管
理的核心,旨在构建航班机票售价策略,将不同票价等级的机票适时地销售给不同的消费
者,以实现收益最大化。
Gallego 等人
[2]
使用强度控制理论求解了不确定需求下预期收入的上限。Otero 等人
[3]
采用阶段类型分布和更新过程建模客户购买机票的时间及购买概率。Delahaye 等人
[4]
通过
细分商务和休闲旅客的不同价格敏感度进行动态定价。高金敏等人
[5]
研究了时变需求下动
态定价模型。Selcuk 等人
[6]
针对 4 种不同的价格需求关系提出了精确的动态规划方法。除
了上述面向垄断市场环境的定价研究
[1-6]
,还有从竞争角度出发的定价研究
[7,8]
。Lin 等人
[7]
构建了基于博弈论的实时价格预测模型。施飞等人
[8]
通过航空公司与旅客的动态博弈解决
各等级票价的售票时间。
现有机票动态定价方法都建立在提前预测各票价等级的需求量基础之上。然而,实际
应用中各等级票价的需求量受节假日、季节、售票时机等诸多因素影响。基于历史销售数
据进行函数拟合的需求量预测方法存在预测偏差,降低了建立在需求量预测方法之上的模
型性能。为此,本文提出基于策略学习的机票动态定价算法。其核心是不再直接预测各票
价等级的需求量,而是从历史购票数据上学习具有最大期望收益的机票定价策略。在两趟
航班两年历史销售数据上的多组模拟定价结果表明:相比于现行定价策略,策略学习算法
的票务收益平均提升率分别为 30.94%和 39.96%,且比需求量预测方法提升了 6.04%和
3.36%。
目前存在将强化学习应用于收益管理领域的研究,如电动汽车
[9]
、广告竞价
[10]
、可再
生能源管理
[11]
、机票超售及座位控制
[12-15]
。Gosavii 等人
[12]
提出了面向超售和多等级票价的
半马尔可夫决策模型。Shihab 等人
[13]
采用深度强化学习优化航班座位控制策略。Qiu 等人
[14]
建模了旅客行为驱动的航班定价。Lawhead 等人
[15]
提出一种航班座位收益有界的动作评
论算法。不同于上述工作,本文聚焦于采用离线强化学习求解机票动态定价策略。
2. 航班机票动态定价算法
在机票销售期内以某票价等级出售机票,售票系统会得到立即收益,即座位销售数×
票价等级×机票全价,同时减少航班剩余座位数。为了最大化后期座位收益,航班剩余座
位数又影响下一时刻的机票定价。为此,机票动态定价受航班剩余座位数、定价策略和收
益等相互影响,可建模为强化学习问题。
航班机票动态定价的强化学习要素分别为:(1)状态集 SS 表示航班剩余座位数。设
nn 为某航班座位容量,航班在时刻 tt 的状态(剩余座位数)st∈S=st∈
资源评论
罗伯特之技术屋
- 粉丝: 3663
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功