[논문 리뷰] Robust Discrete Pricing Optimization via Multiple-Choice Knapsack Reductions

Zi Yuan Eric Shao|arXiv (Cornell University)|2026. 03. 19.

Supply Chain and Inventory Management인용 수 0

한 줄 요약

본 논문은 마진과 형평성 제약이 있는 이산 포트폴리오 가격 책정 문제를 다중 선택 배낭 문제(MCKP)로 환원하고, Hull 기반의 LP 분석이 포함된 Γ-예산 로버스트 확장을 개발하여 정확한 로버스트 해 솔루션 프레임워크와 가산 오차 한계를 도출한다.

ABSTRACT

We study a discrete portfolio pricing problem that selects one price per product from a finite menu under margin and fairness constraints. To account for demand uncertainty, we incorporate a budgeted robust formulation that controls conservatism while remaining computationally tractable. By reducing the problem to a Multiple-Choice Knapsack Problem (MCKP), we identify structural properties of the LP relaxation, in particular upper-hull filtering and greedy filling over hull segments, that yield an exact solution method for the LP relaxation of the fixed-parameter subproblems. For the resulting fixed-parameter subproblems, we show that the integrality gap is bounded additively by a single-item hull jump, and that the corresponding relative gap decays as O(1/n) under standard boundedness and linear-growth assumptions. Numerical experiments on synthetic portfolios and a stylized retail case study with economically calibrated parameters are consistent with these bounds and indicate that robust margin protection can be achieved with less than 1 percent nominal revenue loss on the instances tested.

연구 동기 및 목표

• Margin 과 형평성 제약을 만족하는 이산 포트폴리오 가격 책정 문제를 형식화한다.
• 가격 책정 모델을 정확하게 다중 선택 배낭 문제(MCKP)로 환원하는 방법을 보인다.
• Gamma-budget 강건 확장을 도입하고 매개변수 분해를 이용해 구조를 활용한 해법 프레임워크를 가능하게 하는 파라메트릭 분해를 증명한다.
• 고정 매개변수 부분문제에 대한 정수성 격차(bound)와 LP 완화 특성을 분석한다.
• 불확실성 하에서 nominal 수익 감소가 작다는 것을 확인하는 수치 실험으로 실용적 강건성을 보여준다.

제안 방법

• 가격 책정 문제를 baseline–slack 변환을 이용해 MCKP로 환원하고 하나의 낙찰당 하나의 선택과 하나의 배낭 제약을 얻는다.
• Gamma-budget 불확실성 집합 하에서 강건 제약을 정의하고 1차원 파라메트릭 페널티 β(x, Γ)을 통해 등가 강건 대응을 도출한다.
• fix_theta 형식의 재구성을 가능하게 하는 이중 표현을 제공한다.
• 각 아이템의 허용 가능한 점의 상향 헐(Hull) 기하를 활용하여 LP 완화를 헐 세그먼트에 대한 그리디 채움으로 축소한다.
• LP 해가 최대 하나의 혼합 아이템만 필요하다는 것을 보이고 최대 헐 점프 Delta V_max^theta와 관련된 additive integrality-gap 한계를 도출하며, 일반적인 가정에서 상대적 차이가 O(1/n)로 수렴함을 보인다.
• θ를 유한 집합에서 열거하고 hull-그리디로 고정 θ LP를 해결하며, 1-item rounding 및 선택적 보완으로 이산적 복구를 수행하는 Algorithm 1을 제시한다.

실험 결과

연구 질문

• RQ1 마진 및 형평성 제약을 갖는 이산 포트폴리오 가격 책정 문제를 정확히 MCKP와 같은 조합 최적화 모델로 환원할 수 있는가?
• RQ2 Gamma-budget 강건성은 가격 책정 모델에 어떤 영향을 미치며, 최악의 제약을 분해하여 해결 방법을 가능하게 하는가?
• RQ3 MCKP LP 완화의 구조적 속성 중 어떤 것을 이용해 대규모 포트폴리오에 대한 효율적 강건 알고리즘을 설계할 수 있는가?
• RQ4 Gamma-budget 강건성 하에서 고정 매개변수 부분문제의 정수성 격차의 한계는 무엇이며 포트폴리오 크기에 따라 어떻게 확장되는가?
• RQ5 강건 가격 책정 접근 방식이 실무적으로 nominal 수익 손실을 최소화하면서 의미 있는 마진 보호를 제공하는가?

주요 결과

• Baseline–slack 변환을 통해 여유 제약을 MCKP로 문제를 정식화할 수 있다.
• Gamma-budget 강건성 하에서 강건 제약은 1차원 열거를 가능한 finite breakpoint 집합으로 축소하는 파라메트릭 분해를 허용한다.
• 고정 매개변수 부분문제의 LP 완화는 상향 헐 구조를 가지며, 헐 세그먼드에 대한 그리디 채움과 최대 하나의 아이템만 혼합되도록 하는 성질을 가진다.
• additive integrality-gap 한계는 최대 헐 점프 Delta V_max^theta에 의해 주어지며, 일반적인 가정 하에서 상대 차이는 O(1/n)로 감소한다.
• 수치 실험은 robust 마진 보호가 명목 수익에 비해 비용이 1% 미만으로 작다를 시사하여 실용적 효과를 확인한다.