[논문 리뷰] Constant Approximation for Network Revenue Management with Markovian-Correlated Customer Arrivals

Jiashuo Jiang|arXiv (Cornell University)|2023. 05. 10.

Advanced Queuing Theory AnalysisBusiness, Management and Accounting인용 수 3

한 줄 요약

이 논문은 네트워크 수익 관리(NRM)에서 시간에 따라 상관관계를 가지는 고객 도착을 포착하기 위해 마르코프 상태 기반 모델을 제안한다. 이 모델은 시간에 따라 변화하는 마르코프 체인을 통해 시스템 상태가 진화하며, 최적 정책의 기대 수익을 渐近적으로 최적화하는 새로운 선형계획법(LP) 근사법을 도입한다. 또한 $1/(1+L)$의 이론적 근사비율을 가진 입찰가격 정책을 개발하였으며, 여기서 $L$은 고객이 요구할 수 있는 최대 자원 수이다.

ABSTRACT

The Network Revenue Management (NRM) problem is a well-known challenge in dynamic decision-making under uncertainty. In this problem, fixed resources must be allocated to serve customers over a finite horizon, while customers arrive according to a stochastic process. The typical NRM model assumes that customer arrivals are independent over time. However, in this paper, we explore a more general setting where customer arrivals over different periods can be correlated. We propose a model that assumes the existence of a system state, which determines customer arrivals for the current period. This system state evolves over time according to a time-inhomogeneous Markov chain. We show our model can be used to represent correlation in various settings. To solve the NRM problem under our correlated model, we derive a new linear programming (LP) approximation of the optimal policy. Our approximation provides an upper bound on the total expected value collected by the optimal policy. We use our LP to develop a new bid price policy, which computes bid prices for each system state and time period in a backward induction manner. The decision is then made by comparing the reward of the customer against the associated bid prices. Our policy guarantees to collect at least $1/(1+L)$ fraction of the total reward collected by the optimal policy, where $L$ denotes the maximum number of resources required by a customer. In summary, our work presents a Markovian model for correlated customer arrivals in the NRM problem and provides a new LP approximation for solving the problem under this model. We derive a new bid price policy and provides a theoretical guarantee of the performance of the policy.

연구 동기 및 목표

• 독립적인 도착 가정을 넘어서, 높은 분산과 비정상적인 수요 패턴을 동시에 포착할 수 있는 상관관계 있는 고객 도착을 모델링하기 위해.
• 상관관계 있는 도착 하에서 최적 정책의 계산 비용이 과도한 문제를 해결하기 위해, 계산이 용이한 근사 방법을 개발하기 위해.
• 새로운 상관관계 모델 하에서 강력한 이론적 성능 보장을 가진 근사 최적의 입찰가격 정책을 설계하기 위해.
• 고객이 선택 모델에 따라 여러 제품 중에서 선택하는 애자일 설정으로의 프레임워크 확장을 위해.

제안 방법

• 각 기간의 고객 도착을 결정하는 시스템 상태를 도입하고, 시간에 따라 변화하는 마르코프 체인을 통해 시간적 상관관계를 모델링한다.
• 최적 정책의 기대 수익을 상한으로 제공하며, 초기 용량이 증가함에 따라 渐近적으로 최적화되는 새로운 선형계획법(LP) 타월을 개발한다.
• 역순 추론 기반 입찰가격 정책을 유도하여, 각 고객 도착에 대해 상태 및 시간에 따라 특화된 입찰가격을 계산한다.
• LP 근사법을 활용해 입찰가격 제어 정책을 도입하며, 고객의 수익이 관련된 입찰가격의 합을 초과할 경우에만 수락한다.
• 고객의 선택 행동을 모델링하고 입찰가격 정책을 이를 고려해 조정함으로써, 애자일 설정으로의 프레임워크 확장을 수행한다.
• 성능 평가를 위해 두 알고리즘(BBP 및 ADP 휴리스틱)을 LP 상한과 비교하여 실증적으로 평가한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 통합된 프레임워크 내에서 고분산과 비정상적인 수요 패턴을 동시에 포착할 수 있는 상관관계 있는 고객 도착을 모델링할 수 있는가?
• RQ2 상관관계 있는 도착 하에서 최적 정책의 계산이 용이한 근사법을 설계할 수 있으며, 이는 강력한 이론적 성능 보장을 제공할 수 있는가?
• RQ3 이 상관관계 모델 하에서 입찰가격 정책이 달성할 수 있는 최고의 근사비율은 무엇이며, 이를 애자일 설정으로 일반화할 수 있는가?
• RQ4 제안된 알고리즘이 최적 정책 및 LP 상한 대비 실질적으로 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 LP 근사법은 초기 용량이 증가함에 따라 최적 정책의 기대 수익에 대해 渐近적으로 최적의 상한으로 작용한다.
• 입찰가격 정책은 $L$이 고객이 요구할 수 있는 최대 자원 수일 때, 이론적 근사비율 $1/(1+L)$을 달성한다.
• 수치 실험 결과, BBP 알고리즘이 LP 상한으로부터 평균 6.60%의 갭을 보였으며, ADP 휴리스틱은 평균 6.62%의 갭을 기록했다.
• 특정 설정에서는 BBP 알고리즘의 성능 갭이 2.67%에서 11.52% 사이로 변동하였으며, ADP 휴리스틱은 유사하거나 略적으로 우수한 성능을 보였다.
• 모델는 고객이 선택 모델에 따라 여러 제품 중에서 선택하는 애자일 설정으로도 성공적으로 일반화되었으며, 실제 응용에의 적용 가능성을 넓혔다.
• 결과적으로 제안된 정책는 실질적으로 우수한 성능을 보이며, LP 상한과의 작은 갭을 유지함으로써 실용적 관련성을 입증하였다.