[論文レビュー] A Re-solving Heuristic with Uniformly Bounded Loss for Network Revenue Management

Pornpawee Bumpensanti, He Wang|arXiv (Cornell University)|Feb 17, 2018

Supply Chain and Inventory Management被引用数 27

ひとこと要約

本稿は、数量ベースのネットワーク収益管理問題に対する再最適化ヒューリスティクスを提案し、時間枠やリソース容量に依存しない一様有界な収益損失を達成する。これは、定期的に決定的線形計画法（DLP）を再最適化し、受入確率にしきい値を適用することで実現される。標準の再最適化ヒューリスティクスでは収益損失がΘ(√k)に比例するのに対し、本手法は戦略的な再最適化タイミングと有界な摂動制御により、定数の最悪ケース損失を保証する。

ABSTRACT

We consider the canonical (quantity-based) network revenue management problem, where a firm accepts or rejects incoming customer requests irrevocably in order to maximize expected revenue given limited resources. Due to the curse of dimensionality, the exact solution to this problem by dynamic programming is intractable when the number of resources is large. We study a family of re-solving heuristics that periodically re-optimize an approximation to the original problem known as the deterministic linear program (DLP), where random customer arrivals are replaced by their expectations. We find that, in general, frequently re-solving the DLP produces the same order of revenue loss as one would get without re-solving, which scales as the square root of the time horizon length and resource capacities. By re-solving the DLP at a few selected points in time and applying thresholds to the customer acceptance probabilities, we design a new re-solving heuristic whose revenue loss is uniformly bounded by a constant that is independent of the time horizon and resource capacities.

研究の動機と目的

• 既存の再最適化ヒューリスティクスの限界を解決する。特に、収益損失が時間枠およびリソース容量の平方根に比例して増大する問題を対処する。
• 大規模リソース割り当て問題における次元の呪いのため、正確な動的計画法の解法が実行不能であることを克服する。
• 再最適化の頻度と性能保証の両立を図り、システムサイズや時間枠にかかわらず収益損失が有界に保たれるヒューリスティクスを開発する。
• 漸近的スケーリング下で最適性ギャップが増大する標準のDLPベース再最適化ヒューリスティクスの代替として、理論的にも頑健な代替策を提供する。
• 定期的な再最適化としきい値処理を統合した実用的ポリシーを設計し、多様な問題例にわたる性能安定性を実現する。

提案手法

• 計画期間中に適切に選択された有限個の時刻に、決定的線形計画法（DLP）を再最適化する。各再最適化時点では、初期容量の代わりに残存容量を用いる。
• DLPの解から得られる顧客受入確率にしきい値処理を適用し、過剰割り当てを防ぎ、ポリシー意思決定の分散を制御する。
• フレドマンの不等式およびマルティンゲール集中不等式を用いて、実際の到着プロセスとその期待値との乖離を制御し、摂動が有界であることを保証する。
• 条件付き独立性と分散分解を活用し、時間経過に伴うバイドプライスとその真値との期待差を有界化する。
• 時間間隔の逆平方根を用いて、バイドプライスの期待正の偏差を有界化する重要な補題を導入する。
• 時間依存誤差項の減衰とDLP解空間の有界性を組み合わせることで、収益損失の均一有界性を確立する。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク収益管理の再最適化ヒューリスティクスは、時間枠やリソース容量に依存しない一様有界な収益損失を達成できるか？
• RQ2 しきい値処理を行わず、DLPを定期的に再最適化する標準の再最適化ヒューリスティクスの性能の根本的限界は何か？
• RQ3 しきい値処理と戦略的な再最適化タイミングを用いることで、漸近的スケーリング下でのDLPベースヒューリスティクスの性能を安定化できるか？
• RQ4 時間経過に伴うバイドプライスおよび受入確率の期待偏差を有界化するための数学的道具は何か？
• RQ5 システムサイズが増大しても、最適解の値が増大する中で、DLPベースポリシーの収益損失を一定に保てるか？

主な発見

• 提案された再最適化ヒューリスティクスは、時間枠の長さやリソース容量に依存しない一様有界な収益損失を達成する。
• 一方、標準の再最適化ヒューリスティクスおよび静的DLPポリシーは、漸近的スケーリング下で収益損失がΘ(√k)に比例する。ここでkは容量および需要のスケーリング要因である。
• 受入確率へのしきい値処理の導入により、推定誤差の影響が著しく低減され、ポリシー性能の無限大への発散が防止される。
• フレドマンの不等式およびマルティンゲール集中不等式を用いた理論的分析により、バイドプライスの真値からの期待偏差が時間間隔の逆平方根に比例して減少することが示された。
• 重要な補題により、バイドプライスの期待正の偏差が、逆二乗時間間隔の和の平方根に比例する定数倍で有界であることが示された。この和は有限値に収束する。
• 本手法により、システムサイズが増大しても最悪ケースの収益損失が一様に有界に保たれ、航空機座席割り当てなどの大規模応用に耐えうる頑健性を有する。