考慮策略型消費(fèi)者的高斯過程回歸動(dòng)態(tài)定價(jià)算法

摘要： 現(xiàn)有需求不確定下的動(dòng)態(tài)定價(jià)算法鮮有考慮消費(fèi)者策略行為的。將零售商的價(jià)格決策過程描述為一個(gè)多搖臂(Multi-Armed Bandit, MAB)問題，提出一種非參數(shù)貝葉斯算法。將高斯過程回歸與湯普森抽樣算法相結(jié)合，并加入策略型消費(fèi)者購(gòu)買決策過程，幫助零售商進(jìn)行價(jià)格決策。仿真結(jié)果表明，該算法能有效提高零售商收益，收斂速度更快。此外，策略型消費(fèi)者的存在可以改善需求學(xué)習(xí)算法的性能，降...