Dynamic inventory and pricing control of a perishable product with multiple shelf life phases
Notice bibliographique
Résumé
This paper investigates a dynamic inventory-pricing system with perishable products of multiple freshness levels. The firm may set different prices for items of different freshness levels, and customers either balk or choose to buy the freshness level that maximizes their utility. We model this inventory-pricing problem as a Markov decision process, where the assortment dynamically changes based on the freshness levels of the available items. Using the concept of anti-multimodularity, we characterize the structure of the optimal policy. Specifically, we show that the optimal production policy has a state-dependent threshold-based structure. The production decisions are more sensitive to the inventory of fresher items than less fresh ones. Moreover, the optimal price of a freshness level is nonincreasing in the inventory of items of any freshness level, and it is more sensitive to those of a closer freshness level. The structural properties enable us to devise three novel heuristic policies with good performance. We further extend the model by considering donations and a system with multiple freshness phases. Our research suggests that freshness-dependent pricing and dynamic pricing are two substitutable strategies, while freshness-dependent pricing and donation are strategic complements. The results further imply that the firm can benefit from high variability in freshness among items under dynamic pricing, but such variability may lead to a significant loss when single, static pricing is used. The results of our heuristic policies show that considering inventory and pricing decisions as a parametrized function of the inventory state leads to nearly optimal solutions.
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 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».