Methods for solving combinatorial pricing problems
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Le problème de tarification combinatoire (CPP) ou le jeu de tarification de Stackelberg est une classe de problèmes d’optimisation bi-niveaux comprenant deux décideurs dans un ordre séquentiel. Le premier décideur, le leader, maximise ses revenus en contrôlant les prix d’un ensemble de ressources. Le deuxième décideur, le suiveur, réagit aux prix et sélectionne un sous-ensemble de ressources selon un problème d’optimisation combinatoire. Selon le problème du suiveur, le CPP peut être très difficile à résoudre. Cette thèse présente trois articles couvrant plusieurs méthodes de solution exacte pour le CPP. Le premier article aborde la modélisation et le prétraitement pour une spécialisation du CPP : le problème de tarification du réseau (NPP), dans lequel le problème du suiveur est un problème du plus court chemin. Les formulations du NPP sont organisées dans un cadre général qui établit les liens entre elles. Le deuxième article se concentre sur la version à plusieurs marchandises du NPP. À partir des résultats de l’analyse convexe, nous dérivons une nouvelle formulation du NPP et prouvons que le NPP évolue de manière polynomiale par rapport au nombre de marchandises, étant donné que le nombre d’arcs à péage est fixe. Le troisième article nous ramène au CPP général, dans lequel les problèmes du suiveur sont NP-difficiles. En utilisant deux modèles de programmation dynamique différents, les problèmes du suiveur sont convertis en programmes linéaires, auxquels la dualité forte peut être appliquée. En raison de la nature NP-difficile de ces problèmes, des schémas de génération dynamique de contraintes sont proposés. Les méthodes de solution décrites dans chaque article sont étayées par des résultats expérimentaux, montrant leur efficacité en pratique. Cette thèse approfondit notre compréhension de la structure du CPP et introduit des méthodologies innovantes pour y faire face, contribuant ainsi à de nouvelles perspectives pour aborder les problèmes de tarification et bi-niveau en général.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it