Increasing social welfare with delays: Strategic customers in the M/G/1 orbit queue
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Strategic customers typically patronize service systems at a higher rate than the socially optimal one. Much literature has focused on inducing customers to join such systems at this latter rate. This entire literature considers nonidling policies that are the focus of queueing theory. We demonstrate that strategically imposing delays into service systems can improve the social welfare using the M/G/1 queue with orbit. This versatile queueing model has been extensively studied from a performance evaluation perspective. In this system, customers who arrive and find the server idle begin immediately their service. However, strategic customers who find the server busy decide whether to balk or join a virtual queue, that is, an orbit. Then, each time the server finishes a service, he begins to retrieve a customer from the orbit and the corresponding retrieving time is not negligible. These retrieving times function as extra delays that are imposed on customers that find a busy server. We show that when customers are strategic, there are certain ranges of the parameters where delaying the orbit customers can increase the welfare of a system or even maximize it. To this end, we characterize and compute the equilibrium strategies for the customers' joining/balking dilemma. We consider both the unobservable and observable versions of the system, and provide some insight on the optimal delay and level of information in such systems. We further show that the welfare for this system is higher than the corresponding standard M/G/1 queue with the same delay.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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