MétaCan
Menu
Retour à la cohorte
Enregistrement W3018789859 · doi:10.1287/opre.2019.1906

Real-Time Dynamic Pricing for Revenue Management with Reusable Resources, Advance Reservation, and Deterministic Service Time Requirements

2020· article· en· W3018789859 sur OpenAlexaff
Yanzhe Lei, Stefanus Jasin

Notice bibliographique

RevueOperations Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAdvanced Queuing Theory Analysis
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésReservationRevenue managementDynamic pricingComputer scienceOperations researchService (business)HeuristicRevenueYield managementMathematical optimizationDuration (music)Demand managementTotal revenueMicroeconomicsBusinessEconomicsMarketingComputer networkMathematics

Résumé

récupéré en direct d'OpenAlex

In “Real-Time Dynamic Pricing for Revenue Management with Reusable Resources, Advance Reservation, and Deterministic Service Time Requirements,” Lei and Jasin consider a fundamental dynamic pricing problem when resources are reusable. In this problem, demand arrives according to a price-sensitive nonstationary rate, requesting a service that uses a combination of different types of resources for a deterministic duration of time. The resources are reusable in the sense that they can be immediately used to serve a new customer on the completion of the previous service. Moreover, different customers may have different service time requirement and may book the service in advance. The objective is to construct a dynamic pricing control that maximizes expected total revenues. They develop real-time heuristic controls based on the solution of the deterministic relaxation of the original stochastic problem and show that the proposed controls are near optimal in the regime of large demand and large resource capacity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,326
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOperations ResearchMême sujetAdvanced Queuing Theory AnalysisTravaux en français237 207