.png){kind=icon}
.png){kind=icon}
返回
Robust multiperiod dynamic pricing under ambiguity
.png){kind=icon}
PRE
AI
DOI：10.1080/01605682.2026.2695227.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态定价对在数据有限和高需求不确定性市场中运营的企业构成了重大挑战。本研究引入了一种稳健的多周期定价方法，在仅知道客户估价范围的情况下最小化最坏情况下的遗憾。通过采用最小化最大遗憾准则，该方法推导出适用于单客户和多客户场景的最优定价策略，且无需依赖概率需求假设。对于单客户场景，一种逆向归纳算法给出了累积遗憾的对数上界。对于多客户场景，一种前瞻性算法根据观察到的销售动态调整价格，显著优于参数化与非参数化基准。我们还通过数值实验使用基于平均利润的性能指标评估了定价策略。在各类估价分布下，所提出的方法论平均实现了超过95%的最优利润，部分情况下峰值性能超过99%。这些发现解决了动态定价中模糊性下的关键空白，为企业提供了在不确定和数据稀缺环境中自信且灵活应对的实用工具。
Keyword:
Dynamic pricing
ambiguity
minimax regret
multiperiod
robust optimisation
期刊
IF:
2.7
论文数:
390
被引数:
9.2K