Der Artikel befasst sich mit Problemen der Sortiments- und Bestandsplanung mit dynamischen Ausverkaufseffekten und ohne Nachbestellung. Es werden zwei Szenarien betrachtet: 1) Kunden können alle verfügbaren Produkte sehen, wenn sie eintreffen, was typisch für stationäre Geschäfte ist. 2) Der Verkäufer kann entscheiden, welche Teilmenge der verfügbaren Produkte jedem Kunden angeboten wird, was für Online-Plattformen üblich ist.
Für beide Szenarien entwickeln die Autoren einen einheitlichen Algorithmus-Rahmen unter dem MNL-Wahlmodell. Für das erste Szenario (dynamische Sortimentsoptimierung) verbessern die Autoren die beste bekannte Approximationsgarantie für Verteilungen mit steigender Ausfallrate (IFR) von 0,122 -ϵ auf 0,194 -ϵ. Außerdem können sie das Problem mit Budgetrestriktion lösen, was zuvor nicht möglich war.
Für das zweite Szenario (dynamische Sortimentsoptimierung mit Personalisierung) erreichen die Autoren eine Approximationsgarantie von 1/2(1-1/e) -ϵ für den deterministischen Fall, was eine Verbesserung gegenüber dem bisherigen Bestwert von 1/4(1-1/e) ist. Darüber hinaus erweitern sie den Ansatz auf den Fall, in dem die Gesamtzahl der Kunden einer beliebigen (bekannten) Verteilung folgt, was bisher nicht betrachtet wurde, und erreichen hier eine (0,25 -ϵ)-Approximation.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Shuo Sun,Raj... at arxiv.org 04-05-2024
https://arxiv.org/pdf/2404.03604.pdfDeeper Inquiries