Solving a Multi-Period Dynamic Pricing Problem Using Learning-Augmented Exact Methods and Learnheuristics

doi:10.3390/a19040284

Solving a Multi-Period Dynamic Pricing Problem Using Learning-Augmented Exact Methods and Learnheuristics

2026-04-01

0

PRE

AI

DOI：10.3390/a19040284

原文链接

原文求助

摘要

En 中文

本文针对一个动态多期定价问题进行研究，该问题整合了时变情境信息和库存约束。销售被建模为价格和一多维情境向量的函数，该向量可能包含客户位置、收入、忠诚度、竞争者价格和促销活动等因素。此建模方式捕捉了有限销售周期内的复杂市场动态。该问题被表述为二次规划模型，并提出了两种替代求解方法。第一种采用多元回归模型对销售函数进行线性近似，从而得到精确的二次规划解，作为基准。第二种是“学习启发式”算法，它结合非线性销售学习模型与元启发式优化，在现实运营约束下生成高质量的定价策略。计算实验验证了所提出的“学习启发式”方法的有效性。

Keyword:

dynamic pricing

context-aware

multi-period

machine learning

metaheuristics

Solving a Multi-Period Dynamic Pricing Problem Using Learning-Augmented Exact Methods and Learnheuristics

摘要

期刊

机构

引用论文