[论文解读] 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 27

一句话总结

本文提出了一种用于基于数量的网络收益管理问题的重优化启发式方法，通过定期重新优化一个确定性线性规划（DLP）并应用阈值控制接受概率，实现了与时间范围和资源容量无关的统一有界收益损失。与标准重优化启发式方法（其损失随Θ(√k)增长）不同，该方法通过战略性选择重优化时间点并控制有界扰动，确保了恒定的最坏情况损失。

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.

研究动机与目标

• 解决现有重优化启发式方法在网络收益管理中的局限性，即收益损失随时间范围和资源容量的平方根增长。
• 克服由于维度灾难导致的精确动态规划解法在大规模资源分配问题中的不可行性。
• 开发一种启发式方法，通过确保收益损失在系统规模或时间范围变化时仍保持有界，从而维持强大的性能保证。
• 为标准DLP基重优化启发式方法提供一个可证明鲁棒的替代方案，后者在渐近缩放下会面临不断扩大的最优性间隙。
• 设计一种实用策略，通过周期性重优化与阈值化相结合，稳定多样化问题实例下的性能表现。

提出的方法

• 在规划时间范围内，于精心选择的有限个时间点重新求解确定性线性规划（DLP），并在每个重优化时刻，用剩余容量替代初始容量。
• 对从DLP解中导出的客户接受概率应用阈值机制，以防止过度分配并控制策略决策中的方差。
• 利用弗雷德曼不等式和鞅集中不等式，控制实际到达过程与其期望之间的偏差，确保扰动有界。
• 通过条件独立性和方差分解，有界化随时间推移的出价值与真实值之间的期望差异。
• 引入一个关键引理，通过时间间隔的平方根倒数，有界化出价值与真实值之间正偏差的期望。
• 通过结合时间相关误差项的衰减特性与DLP解空间的有界性，建立统一的收益损失有界性。

实验结果

研究问题

• RQ1 能否设计一种网络收益管理的重优化启发式方法，实现与时间范围和资源容量无关的统一有界收益损失？
• RQ2 在不使用阈值的条件下，标准重优化启发式方法（周期性重优化DLP）的性能根本极限是什么？
• RQ3 如何通过接受概率的阈值化与战略性重优化时间点的选择，稳定渐近缩放下基于DLP的启发式方法的性能？
• RQ4 需要哪些数学工具来有界化随时间推移的出价值与接受概率期望偏差？
• RQ5 当系统规模增大时，即使最优解值随之增长，基于DLP的策略的收益损失是否仍可保持恒定？

主要发现

• 所提出的重优化启发式方法实现的收益损失被一个常数统一有界，且与时间范围长度和资源容量无关。
• 相比之下，标准重优化启发式方法和静态DLP策略在渐近缩放下表现出Θ(√k)的收益损失，其中k为容量与需求的缩放因子。
• 对接受概率应用阈值显著降低了估计误差的影响，并防止了策略性能的无界偏差。
• 利用弗雷德曼不等式和鞅集中不等式的理论分析表明，出价值与真实值之间期望偏差随时间间隔的平方根倒数而衰减。
• 关键引理表明，出价值的期望正偏差被一个常数倍的逆平方时间间隔之和的平方根所控制，该和收敛于有限值。
• 该方法确保了即使在系统规模增长时，最坏情况下的收益损失仍保持统一有界，使其在大规模应用（如航空公司座位分配）中具有鲁棒性。