专栏首页arxiv.org翻译专栏学会在未知需求的情况下对车辆服务进行定价(CS GT)
原创

学会在未知需求的情况下对车辆服务进行定价(CS GT)

车辆服务提供者根据用户对不同出发地和目的地的出行需求来确定服务价格,可能会有利可图。之前关于车辆服务空间定价的研究都是基于供应商知道用户需求的假设。在本文中,我们研究了一个垄断性的供应商,他最初并不知道用户的需求,需要通过观察用户对服务价格的反应,随着时间的推移来了解用户的需求。我们设计了一种定价和车辆供应政策,考虑了探索(即学习需求)和利用(即供应商的短期报酬最大化)之间的权衡。考虑到提供商需要确保每个地点的车流平衡,其针对不同的出发地-目的地对的定价和供应决策是紧密耦合的。这使得从理论上分析我们政策的表现具有挑战性。我们分析了供应商在我们的政策下的预期时间平均报酬与千里眼政策之间的差距,千里眼政策是基于需求的完整信息进行决策的。我们证明,在我们的政策运行D天后,预期时间平均报酬的损失最多能达到O((ln D)^0.5 D^(-0.25)),当D接近无穷大时,该损失会衰减为零。

原文题目:Learning to Price Vehicle Service with Unknown Demand

原文:It can be profitable for vehicle service providers to set service prices based on users' travel demand on different origin-destination pairs. The prior studies on the spatial pricing of vehicle service rely on the assumption that providers know users' demand. In this paper, we study a monopolistic provider who initially does not know users' demand and needs to learn it over time by observing the users' responses to the service prices. We design a pricing and vehicle supply policy, considering the tradeoff between exploration (i.e., learning the demand) and exploitation (i.e., maximizing the provider's short-term payoff). Considering that the provider needs to ensure the vehicle flow balance at each location, its pricing and supply decisions for different origin-destination pairs are tightly coupled. This makes it challenging to theoretically analyze the performance of our policy. We analyze the gap between the provider's expected time-average payoffs under our policy and a clairvoyant policy, which makes decisions based on complete information of the demand. We prove that after running our policy for D days, the loss in the expected time-average payoff can be at most O((ln D)^0.5 D^(-0.25)), which decays to zero as D approaches infinity.

原文作者:Haoran Yu, Ermin Wei, Randall A. Berry

原文地址:https://arxiv.org/abs/2007.03205

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 多边形中最大的三角形(CS CG)

    我们研究了如何寻找可以在平面中多边形内接的最大面积三角形的问题。 我们考虑了该问题的八个版本:我们使用凸多边形或简单多边形作为容器;我们要求三角形的一个角具有固...

    Rosalie
  • 基于算法共轭梯度法的检点恢复方法CS Distributed, Parallel, and Cluster Computing

    随着计算机达到外星量级和更高的水平,故障的发生率将会增加。这个问题的解决方案是一个积极的研究课题。我们专注于使先决共轭梯度(PCG)求解器对节点故障具有弹性的策...

    Rosalie
  • 满意的分区问题(CS CC)

    满意的分区问题包括决定一个给定的非定向图的顶点集是否可以分割成两个非空的部分,使每个顶点在其部分中至少具有与另一部分相同的邻居。这个问题由Gerber和Kobl...

    Rosalie
  • How to build Multi-Language Web Sites with ASP.NET 2.0 and VS.Net 2005

    Introduction: In order to reach international markets through the Internet, sup...

    张善友
  • 【神器】vimum在浏览器中键盘操作选择、复制、粘贴,键盘党的最爱

    阿炬
  • Hyperledger Fabric中的零知识证明

    Fabric 1.3中的新增的idemixer(Identity Mixer)以前不大懂zero-knowledge proof(零知识证明),原本觉得PKI基...

    Zeal
  • Font support in Adobe form

    版权声明:署名,允许他人基于本文进行创作,且必须基于与原先许可协议相同的许可协议分发本文 (Creative Commons)

    Jerry Wang
  • Ceph用户邮件列表Vol45-Issue3

    https://git.kernel.org/cgit/linux/kernel/git/torvalds/linux.git/commit/?id=af5e5...

    用户2772802
  • Using stochastic gradient descent for regression使用随机梯度下降进行回归分析

    In this recipe, we'll get our first taste of stochastic gradient descent. We'll ...

    到不了的都叫做远方
  • Regression model evaluation回归模型评估

    We learned about quantifying the error in classification, now we'll discuss quan...

    到不了的都叫做远方

扫码关注云+社区

领取腾讯云代金券