[논문 리뷰] Constant Regret Re-solving Heuristics for Price-based Revenue Management

Yining Wang, He Wang|arXiv (Cornell University)|2020. 09. 07.

Supply Chain and Inventory Management참고 문헌 27인용 수 8

한 줄 요약

이 논문은 가격 기반 수익 관리에 대한 재해결 휴리스틱을 제안하며, 최적의 동적 프ogramming 정책에 비해 상수 수준의 손실(O(1))을 달성한다. 이는 이전 연구에서 제시된 O(ln T)의 손실 범위보다 크게 향상된 결과이다. 이 방법은 각 단계에서 업데이트된 재고 수준을 사용해 유체 근사 모델을 동적으로 재해결하며, 분석을 통해 유체 모델이 최적성에서 본질적인 Ω(ln T)의 갭을 지닌다는 점을 입증하여, 유체 모델이 엄밀한 기준이 되지 못한다는 것을 보여준다.

ABSTRACT

Price-based revenue management is an important problem in operations management with many practical applications. The problem considers a retailer who sells a product (or multiple products) over $T$ consecutive time periods and is subject to constraints on the initial inventory levels. While the optimal pricing policy could be obtained via dynamic programming, such an approach is sometimes undesirable because of high computational costs. Approximate policies, such as the re-solving heuristics, are often applied as computationally tractable alternatives. In this paper, we show the following two results. First, we prove that a natural re-solving heuristic attains $O(1)$ regret compared to the value of the optimal policy. This improves the $O(\ln T)$ regret upper bound established in the prior work of \cite{jasin2014reoptimization}. Second, we prove that there is an $Ω(\ln T)$ gap between the value of the optimal policy and that of the fluid model. This complements our upper bound result by showing that the fluid is not an adequate information-relaxed benchmark when analyzing price-based revenue management algorithms.

연구 동기 및 목표

• 최적 정책에 비해 낮은 손실을 달성할 수 있는 계산적으로 실현 가능한 휴리스틱을 개발하는 것.
• 기존의 휴리스틱과 최적의 동적 프로그래밍 해법 사이의 격차를 좁히기 위해 손실 경계를 향상시키는 것.
• 가격 기반 수익 관리에서 유체 모델이 기준으로서의 기본적인 한계를 분석하는 것.
• 유체 모델이 최적 정책으로부터 Ω(ln T)의 갭을 지닌다는 것을 입증하여, 손실 분석에서 부적절한 기준이 되는 이유를 밝히는 것.

제안 방법

• 재해결 휴리스틱은 각 시간 주기 t에서 현재 정규화된 재고 수준 x_t = y_{t-1}/(T-t+1)를 사용해 유체 근사 모델을 동적으로 재해결한다.
• 휴리스틱은 가격 벡터 p_t = f^{-1}(x^c_t)로 설정하며, 여기서 x^c_t는 현재 재고 제약 조건 하에서 유체 모델의 해이다.
• 분석은 수익 함수의 이阶 테일러 전개를 기반으로 한 변화량을 제어하는 방식을 사용하며, 수익 함수의 곡률과 요구되는 랜덤성의 영향을 농도 불등식과 행렬 노름 제약 조건을 통해 제어한다.
• 손실이 O(1)임을 입증하기 위해, 수요의 노이즈와 수익 함수의 곡률에 미치는 영향을 농도 불등식과 행렬 노름 제약 조건을 통해 제어한다.
• 유체 모델이 최적 정책으로부터 본질적인 Ω(ln T)의 갭을 지닌다는 점을 고려해, 분석은 유체 모델을 기준으로 하지 않고, 직접적으로 휴리스틱을 최적 정책과 비교한다.
• 유체 모델과 최적 정책 사이의 격차를 추가로 검증하기 위해 후향 최적(HO) 기준이 도입되고 분석된다.

실험 결과

연구 질문

• RQ1 가격 기반 수익 관리에 대한 재해결 휴리스틱이 최적 정책에 대해 O(1)의 손실을 달성할 수 있는가?
• RQ2 가격 기반 수익 관리에서 유체 모델과 최적 정책 사이의 근본적인 격차는 무엇인가?
• RQ3 왜 유체 모델은 재해결 휴리스틱의 손실 분석에서 부적절한 기준이 되는가?
• RQ4 일반 조건 하에서 이전 연구에서 제시된 O(ln T)의 손실 경계를 O(1)로 향상시킬 수 있는가?
• RQ5 재해결 휴리스틱의 O(1) 손실은 초기 재고 수준의 경계 조건에 대해 안정적인가?

주요 결과

• 재해결 휴리스틱은 최적 정책에 대해 O(1)의 손실을 달성하며, Jasin(2014)이 제시한 O(ln T)의 손실 경계를 향상시켰다.
• 최적 정책의 가치와 유체 모델 사이에 Ω(ln T)의 갭이 존재함을 입증하여, 유체 모델이 엄밀한 기준이 되지 못한다는 것을 보여준다.
• 손실 분석은 유체 모델을 기준으로 하지 않으며, 유체 모델 자체가 Ω(ln T)의 갭을 지닌다는 점을 고려해 직접적으로 휴리스틱과 최적 정책을 비교한다.
• O(1)의 손실 경계는 수익 함수의 곡률과 초기 재고가 특정 경계에 가까운 정도에 따라 달라진다.
• 수치 실험 결과는 초기 재고가 경계에 있을 경우 휴리스틱이 O(1)의 손실을 달성하지 못할 수 있음을 시사하며, 이러한 경우에 대한 수정이 필요함을 시사한다.
• 후향 최적(HO) 기준이 최적 정책과 O(1) 이내에 있음을 입증하여, 상수 손실 분석의 타당성을 뒷받침한다.