Unconstraining收入管理系统方法:研究概况和前景

文摘

需求unconstraining是成功的关键技术之一的收入管理系统。unconstraining本文调查的历史研究方法和评论超过130引用包括最新的研究工作。我们将讨论之间的关系审查数据unconstraining和预测和回顾五unconstraining替代方法。这些方法考虑数据unconstraining在各种情况下的股份等多层次,multi-flight。本文还提出了一些未来研究问题理论和应用之间的桥梁。

1。介绍

收益管理(RM)是一个快速发展的分支在运筹学(或)和一直认为3 - 7%的收入改善航空公司、酒店和汽车租赁行业(1]。这是发达国家在1970年代末放松管制后的美国航空业。有各种定制的RM的定义。例如,交叉[1)定义了RM作为严格的战术的应用,预测消费者行为在micromarket级别和优化产品的可用性和价格最大化收入。在史密斯et al。2),它被称为信息系统和定价策略的应用分配正确的能力正确的客户在正确的地点和正确的时间。

在许多服务行业,供应能力往往是固定的,需求是不稳定的。因此,它是具有挑战性的服务公司之间实现平衡供给和需求。优化收入,RM模型需要项目需求首先根据历史数据。然后管理供给和需求通过定价、库存控制和超额预定。显然,可靠的预测是至关重要的成功的收益管理系统(RMS)。错误的需求预测可能严重阻碍了RMS的性能。李(3)表明,一个小在预测精度提高10%导致预期收益的0.5增加-3%。

尽可能多的预测,然而,没有先进的其他RM组件最终取决于准确的预测(4]。RM的主要预测复杂的问题是预订数据审查。因为需求记录通常是管理决策的影响,因此,不是真实的,成功预测在RM是错综复杂的。可能是偏向,导致进一步的不正确的价格和容量分配决策。例如,在航空公司和酒店行业,预订限制设置为保护某些客户类。当达到极限时,相应的类是关闭,因此,进一步为这些类需求信息丢失。这就是所谓的在统计数据审查或限制数据。

与审查数据在某些情况下,它可能会高估需求和低估别人。据报道,3%的潜在收入可能会丢失,如果预测使用RMS有负偏压(5]。和低估的影响需求由1 - 3% 12.5 - -25%会伤害收入高需求航班(6]。此外,下跌影响总收入将发生如果历史预订数据约束,和真正的需求是低估了。这意味着该公司的预期收入减少单调随时间(7]。

为了克服这些问题,有必要从审查预订数据推断真实需求分布参数之前的预测模型。在航空公司和酒店行业,这个过程称为需求unconstraining。其他方面,如切去,泄漏事故的分析,和审查数据分析也被用来描述这一过程。一般来说,unconstraining方法估计的数据无约束的数据。

韦翰(8]声称无约束需求并不容易衡量。虽然被认为是RM预测的“圣杯”,许多研究者发现无约束的数据提供更好的预测和提高收入。例如,Skwarek [9)两家航空公司的RM系统进行测试。其中一个使用无约束数据,但是其他不。结果表明,即使预订率低,无约束数据的影响收入可以达到3.5%。此外,魏泽福和情节10报告,与实际预订数据来自一家美国主要的航空公司,unconstraining过程结果在2 - 12%的收入增长。

的收益,可以看到需求unconstraining值得研究者和实践者的关注。预测基于无约束的数据可以克服的局限性截断需求由于预订限制,更好地反映真实需求,提高预测的准确性。此外,需求unconstraining舰队的分配能力也有帮助。

一般评论RM文献中可以找到的11- - - - - -17]。这些研究显示,尽管unconstraining需求的重要性,研究前相比得到的关注更少其他RM组件,和unconstraining方法采用RM供应商在很大程度上是无效的(18]。尽管一些研究论文,如(4,10]和[9- - - - - -23),部分审查unconstraining方法,他们的主要目的不是提供全面调查技术的细节。

在过去的十年里,已经有大量的研究数据unconstraining。尽管显著发展区域,似乎需要更多的研究相对于其他组件的发展RM。因此,本文的目的是审查最近的发展数据unconstraining出现在文献中,提供了一个广泛的概述的技术在各个行业。本文引用大量发表期刊论文、技术报告、工作报告,会议记录。它还检查未来研究的重要领域。全面调查包括132篇文章的参考书目。

本文的其余部分组织如下。部分2提供了一个深入的讨论在RMS demand-unconstraining问题从两个方面:定义和unconstraining审查数据和预测之间的关系。部分3评论5替代方法用于数据unconstraining当企业面对审查销售数据,以及如何将这些方法应用于不同的行业。部分4列出了一些未来的研究问题,其次是结束语。

2。需求Unconstraining

2.1。定义

当客户的预订请求一个特定的类接受,记录预订数据显示真正的需求(见表1和图1(一))。然而,如果达到预订限制和需求请求被拒绝,历史数据只代表审查需求的观点(见表2和图1 (b))。像Zeni提出的19),遇到这样的问题自然会导致以下定义。

2.1.1。审查的观察

观察被认为是审查(或约束)如果预订限制在一个给定的票价类上指定的审查点服务产品的数量小于或等于订单现在。

2.1.2。限制食物类

票价类被认为是限制如果观察到的需求在一个给定的票价类在任何审查的生活服务产品的审查(或约束)。

的事实,公司真的有actualnumber的预订记录,他们所面临的一个挑战是估计有多少真正的需求是没有任何约束了他们的产品。这一过程通常被称为需求unconstraining。

2.2。与预测的关系

在实践中,预测消费发展的主要资源,维护和实现时间的RMS (11]。因此,大多数研究人员主要是对现有预测方法之间的比较感兴趣。在收益管理的早期发展阶段,缺乏理论研究的需求预测在RM系统由于其复杂性4]。麦吉尔和van Ryzin [12)列出了造成这些困难的因素(见表3)。所有这些因素提出了自己的一个挑战。此外,根据不同的类型的行业,有很多问题,如表所示4,与预测24,25]。经理必须解决他们在选择合适的预测方法。

提出了在(20.),观察到的预订数据前需要无约束用于RMS(见图2)。需求unconstraining可以填补这一差距(无约束数据)需要什么,可以观察到(审查数据)。它的功能是提供真实需求信息预测模型。它通常包含两个步骤。首先,通过检查相似的历史订单,没有审查,一个无约束需求参数。这些参数应用于估计无约束的历史需求。这个过程被视为preforecasting一步。魏泽福[21)描述了一个完整的预测系统应该执行的步骤在RMS(见图3)。其中,unconstraining的选择方法和审查的unconstraining观测预报过程中都是必不可少的。

3所示。Unconstraining方法

有两个原因获得使用unconstraining无约束数据的方法。首先,预测模型产生无偏估计的数量从审查数据是有限的。第二,不同的单位在一个公司可能没有协调使用各种预测技术。虽然这些预测模型可以显式地处理审查数据,这将是更可取的集体unconstrain数据然后都使用相同的无约束数据的预测模型(19]。

一般来说,一个公司面临审查销售数据有五个选项:(1)直接观察和记录潜在需求,(2)离开数据约束,无视事实的审查,(3)只使用无约束数据和丢弃审查的,(4)取代审查数据使用归责方法,或(5)统计unconstrain数据。这些替代方法和相关的方法见表5。

3.1。直接观察

直接观察的需求包括预订的记录(要求满足)和拒绝(不符合要求)。该方法可能无法发现真实的潜在需求。预订数据审查可能是由于可用性(否认)或(遗憾)。预订量下降由于可用性被认为是潜在需求(22]。否认和遗憾之间的边界是模糊的。否认发生在客户的请求无法满足由于能力的限制,而遗憾发生当请求可以适应但客户拒绝的书。在实践中,它通常是不可能给一个特定的分类调用一个或另一个(26]。因此,它增加了困难区分否认和遗憾。

公司投资系统和培训管理者为了追踪:直接和依靠这些直接观察unconstrain销售数据。昆男et al。22)指出,有许多问题需要考虑:(1)多个可用性向同一客户,(2)不正确的分类拒绝的预订代理,和(3),只有一小部分的客户请求到达通过通道控制的公司26]。因此,直接观察的需求不是大多数行业的一个选择,因为这些缺点。

3.2。忽略了审查的数据

无视审查和执行估计好像从未发生过审查,这种方法被称为方法天真的# 1 (N1) (10]。这常常会导致不良的后果,比如低估了未来的需求,对总收入下跌的影响(7),和足够数量的席位为high-fare客户保护。同时,需求低票价类似乎RMS当它实际上增加(减少19]。不幸的是,这种实践是企业普遍使用的RMS (22]。postdeparture分析如何RMS的执行,以及其发展阶段,肯定会影响。的性能预测、库存控制策略,对收入的影响不太可能可靠地评估由于潜在的估计和实际需求参数之间的显著差异。

3.3。丢弃审查数据

如前所述(19),使用无约束数据的方法只有和丢弃审查数据可以被视为一个完整的数据处理不完整的数据的方法。称为幼稚的方法# 2 (N2)引用,它很简单,容易实现。数据时的方法执行合理审查完全随机,而只有少量的丢失的数据。换句话说,如果研究中的变量不相关机制导致审查,剩余的分析了数据,如果审查从来没有发生过。但是如果有一些特定的变量之间的相关性,丢弃他们可能是有害的。而这将很可能导致负面偏见的预测,因为剩余的样本数量有限,可能还有一个积极的偏见,在[解释19]。

3.4。归责方法

在给出的定义19描述”污名是一个通用的术语用似是而非的值填写缺失的数据将不完整的数据转换为完整的数据集。”取代了不完整的数据后,被视为无约束需求的估算值。有各种各样的方法将审查数据,如均值(天真的# 3,N3),中位数,百分归责方法。详细讨论了这些方法在70年]。Zeni [19)进一步扩展了RM的上下文中讨论。萨利赫(27比较三种归责方法;N1、N2和N3和得出结论,N2可以极其低估了真正的需求而N3表现最好的。

3.5。统计模型方法

近年来,统计方法专注于解决审查数据问题已经成为研究的热点。“这些模型避免污名的临时性质方法和建立在统计的基础理论。这样做是为代价的额外的复杂性和模型假设必须验证”19]。为解决在22),统计unconstraining方法覆盖优化的数组和启发式技术,仅仅依靠观察预订和每个预订类是否打开或关闭。更多的讨论并给出了统计方法在以下部分unconstraining方法分为3类。

3.6。Unconstraining方法的分类和应用

如表中所示5RMS unconstraining技术研究,特别是统计方法,可以分为三大类:股份,多层次,multi-flight。分层分类类似于在文献综述部分23,71年]。许多研究人员解决确定性或随机方法推断潜在的RMS的不同行业的需求。在下面几节中,我们提供了更多的细节,这些方法与他们的应用程序。

3.6.1。股份的方法

股份的方法来源于航空公司收益管理。最早期的RM模型做一个潜在问题的假设;客户需求的票价类由卖方独立实现的控制策略。即,任何费用类的需求不依赖于其他的销售状况票价。显然,这可能并非如此在现实64年]。

股份,算法使用单变量和分解需求模型。因为RM优化方法(如EMSR或EMSR-b)需要独立的需求输入,该股份unconstraining技术执行最佳在这个框架。假设要求每个飞行类是不相关的,使得这些方法无法捕获需求的交互。

(一)航空公司
(一)方法的主张。天鹅(28,29日)首先研究泄漏的问题估计在航空业,和发展一个理论公式,从业者unconstrain需求后的基础。后认识到RM对泄漏的影响估计,天鹅(30.,31日)再基本泄漏模型,并建议一些近似方法。
brummer&partners et al。32)假设对数正态分布分布的需求数据。他们的研究的目的是评估的平均值和标准偏差不预订使用标定技术。似然函数的数学推导审查分布。李(3)机票预订作为审查的泊松过程模型和大中型企业的技术发展来估算这些审查泊松模型的未知参数。标定技术估计的期望值的需求率的假设的基础上无限的能力。结果,审查数据不受限制。
韦翰(8)提出了一种确定的方法称为“预订概要(BP)。“这是最早的应用RM需求预测,在实践中仍然广泛使用。它假定的形状的真正预订概要是独立的需求水平。需求预测与加法或乘法的方法。这是敏感的,审查开始了。如果数据在任何审查审查点所有无约束的要求将等于观测要求,分别。
Hopperstad [33发展概率”投影切(PD)”方法在波音公司。类似于EM算法将在下面解释,它有一个E-step M-step。其准确性是基于参数的值。PD算法不同,但与EM算法主要的方式限制观测计算的预期值。它使用条件值而不是条件均值和使其执行类似于EM。
投影方法相比,“皮卡切(皮卡)”提出的Skwarek [34)假设之间不存在比例关系预订关闭时间间隔和最终预订。相反,估计总无约束的预订是通过添加简单的平均关闭间隔的皮卡打开航班预订已经收到。此外,他比较小,BP, PD和扩展了BP方法。
Salch [35)是第一个研究人员看了EM算法的航空公司背景和它适用于unconstrain审查航空乘客需求的数据。之后,EM方法成为了最受欢迎的统计方法在高师院校RM unconstraining估计。采用的名称(EM)是由法官et al。72年在他们的先锋。它已经成功地用于有审查观测的情况下,缺失的数据,和截断分布(73年]。EM算法的基本思想是把一个不完整的数据问题,并将它与一个完整的数据问题,企业在计算上更容易处理(70年]。这是一个两步的迭代过程。期望一步,取代审查观测样本均值,叫做E-step。最大化的步骤,称为M-step,计算新更新样本的均值和方差。这两个步骤是重复的交替,直到达到收敛。被认为是最精确的unconstraining方法虽然计算强度是必需的。
范Ryzin和麦吉尔36)第一次提供的使用生命表(LT)方法在一个RM框架,这是解释为unconstraining估计(74年]。他们使用LT方法估计参数的线性回归函数模拟研究。
李和胎儿37)提出一个通用的观察负载系数简称OLF)表,这取决于额定负载因子(NLF)和价值的变异系数(CV)。他们推导公式计算无约束当名义需求都要遵循正常的需求,物流,对数正态或伽玛分布。与这些需求分布,可以获得无约束的数据需求表黄韧带骨化病例使用。
高和朱38和高39)提出了一个非线性规划方法来分析人物航空业的需求。郭(40和郭et al。41]推导公式的EM和PD方法当名义需求都要遵循某些分布如γ,威布尔,指数和泊松。使用历史预订数据,仿真实验表明,基于EM和PD延伸的联合分布算法更健壮,更有对预期收入的性能产生重大影响。
(b)方法比较。Skwarek [9]和Hopperstad [42,43检查四个unconstraining估计方法:N2, N3,英国石油(BP)和帕金森病。他们发现BP和PD是最好的在这四个方法,优于N2 2 - 3%的收入。图表(20.魏泽福]和[21)审查五个unconstraining方法(N1、N2, N3, BP和EM)。他们的结论是,他们是最健壮的人即使是用不同的方法测量。一措施抽样偏差和平均绝对误差,而其他检查距离的估计是正确的意思。
Zeni [19],Zeni和劳伦斯[44]比较六个方法(N1、N2, N3, BP、PD和EM)。他们得出结论,N1比N2,新兴市场,特别是扩展的EM算法,是最健壮的方法减少误差。他们的结论是相似的情节(20.魏泽福]和[21在某种程度上)。魏泽福和情节10)检查Zeni [unconstraining方法一样使用19]。他们的模拟表明,EM和PD方法是最强劲的。例如,随着审查的百分比增加到60 - 80%,无约束的估计意味着增加20 - 80%归责方法。基于这些发现,陈和罗(45]进一步得到一些有用的结果通过比较EM和PD方法。
(c)收益管理。Zickus [46]分析了相互作用预测方法(皮卡和回归),unconstraining评估方法(BP和PD)和座位优化算法(EMSR-b、VEMSR-b HBP DAVN, Netbid)在一个模拟的航空网络。利用乘客叫做模拟器(PODS)工具,仿真结果表明,一个更好的预测和unconstraining估计会导致更高的收入的所有座位优化测试方法。
类似于Skwarek [34]和Zickus [46],Gorin [47)评估的好处将出售模型纳入预测过程。他关注的影响unconstraining模型(BP, PD,调整BP)营收增长通过相互作用预测方法(皮卡和回归),leg-based优化算法(EMSR-b),以及O-D控制算法(GVN, Netbid、DAVN HBP和ProBP)。
他和罗(48)提出了一种改进的时间序列预测方法利用EM算法unconstrain历史订单数据。郭et al。49]提出一种两步时间序列预测方法。他们把“unconstraining一步”霍尔特模型,和与Holt-Winters一步预测模型。他们的结论是,合并后的时间序列模型优于其他股份,航空公司收益管理问题的仿真实验。

(B)酒店
零星的文学报告已收到unconstraining酒店行业的需求。如上所述,奥尔金(26),即使酒店预订系统是用来记录数据失去了机会,数据记录推断无约束需求不足。他讨论了计算无约束需求的复杂性和指出了计算机软件可以协助决策。
刘等人。50和刘51]认为参数回归模型考虑所有相关信息和计算上更可行的在实际应用与EM算法。这些模型需要的知识需求分布和其他细节的需求约束。标定方法用来估计参数需求分布中的未知参数(例如,威布尔、泊松和正常回归模型)。
昆男et al。22)考虑使用双指数平滑法(DES)或霍尔特的方法来估计无约束的需求。他们评估几种常见的unconstraining方法(N3, PD, EM和LT)对DES方法通过模拟与约束数据。结果表明,虽然略低于他们在某些情况下,它是优于其他精度和实现。

操作。多层次的方法

如前所述(75年),在任何一个叫做(O-D)市场,乘客将寻找可用的最低价格。当乘客要求他/她想要的航班和票价类下降,预订代理可能容纳请求不同的票价类或不同的飞行。出售行为发生在乘客选择垂直转移到一个更高的票价低票价是否关闭。他或她可能还“买断”而不是一个更低的票价高票价折扣票价可用在同一班机。因此,航空公司正在垂直夺回的旅行者。乘客也可以称为水平转向相同的航空公司,但在另一个航班在请求的类。航空公司因此水平夺回了乘客。如果旅客拒绝和交换机提供的替代竞争对手,旅客丢失。

人定价(RFP)减少客户的票价类型之间的转换成本,导致downsell更明显。此后,容量控制成为唯一的限制进行票价类销售。为了避免多个计算要求,多层次开发方法。他们捕捉美林和买断的交互(垂直夺回)在不同的类。虽然他们没有解决cross-flight水平夺回,与股份的方法相比,多层次方法更实用和代表在现实世界中。

(一)航空公司
麦吉尔(52)检查的问题同时估计乘客需求模型为两个或两个以上的相关类的要求有一个共同的约束能力。他扩展了EM方法一个多变量的问题。数值例子说明,良好的估计可以获得合理的样本大小,即使75%或更多的数据已被删除。
法卡斯(53),Belobaba和法卡斯54]目前泄漏模型更准确unconstraining估计的情况下被认为是当多个预订类。法卡斯(53RM)识别一些重要的特点以及影响unconstraining leg-dependence网络的影响过程。
Mishra和Viswanathan55)使用飞行高度的物流需求曲线,预订,可用性和票价信息来估计依赖无约束在封闭的多层次需求。累计预计预订他们提出的方法用于RM商业软件,主要针对RFP downsell率高的市场。
博伊德和Kallesen56)费用类的需求划分为“分析”和“priceable”类别根据乘客行为,分销渠道,费用类的限制。博伊德等。57),Hopperstad et al。58],Hopperstad [59)开发负指数函数模型中位数增销从最低到更高的RFP市场类和使用预订,可用性,最低票价,估计价格弹性需求的嵌套类。他们也有“混合”版本的市场部分downsell,用于RM商业软件。
Karmarkar et al。60]EM算法扩展到两个从属费用类需求的情况下考虑遵循二元正态分布。在一个广泛的模拟,提出了四种不同的方法进行比较:未经审查的与审查需求,不相关的和相关要求两类。结果表明,考虑需求审查和票价类之间的依赖会导致显著地提高收入。

3.6.3。Multi-Flight方法

尽管许多研究人员认为布希和买断效应在传统的模型中,水平夺回是一个复杂的函数的吸引力不同的产品是如何看待市场,尤其是O-D环境。行业从业人员报告水平夺回利率在15%到55%的范围23]。忽视夺回效应可能导致需求过高的估计偏差预测和库存控制过程由于“重复计算”效应。

一般来说,multi-flight校准方法可能是最困难,因为潜在需求模型的复杂性(如多项logit、MNL,选择模型),但他们能够unconstrain要求从预订到垂直和水平下重温几乎所有开放的航班和票价类的组合。在某种程度上,他们可以消除“重复计算”效应。

(一)航空公司
Ja et al。61年)开发一个回归模型的平衡方程,类似于那些在76年]。它从股份,将观察到的预订和无约束估计方法为已知值。合理的结果是在一个巨大的试验市场从美国航空公司使用一年的历史数据。
Stefanescu et al。62年]和Stefanescu [63年)开发一个多元需求模型,需要时间和历史需求考虑的产品尺寸。模型参数估计使用EM算法。其性能对精度和运行时间从娱乐报道是基于数据和航空工业。
Talluri和van Ryzin [64年)解决消费者行为的影响通过一个离散选择模型,并获取直接出售和买断行为。他们开发一个EM方法共同估计的到达率和参数选择MNL模型下基于面板数据难以察觉的no-purchases。一个简单的“禁飞”购买概率估算方法。
Vulcano et al。65年)提供经验证据的潜力中提出的方法(64年]。他们的模拟显示1 - 5%平均收入与作出RM模型的改进。一个标定方法,该方法使用了一个变异的EM算法来估计难以察觉的审查需求。
拉et al。23)提出一个启发式的关注需求关闭率基于离散选择模型。启发式联合估计泄漏和夺回跨多个航班和票价类。它使用平衡方程推广的建议76年]。离散选择模型的参数校准使用EM算法。他们的方法是应用于商业软件对单腿和O-D对。
Talluri [66年RM)提出了一种有限总体模型,以避免不确定性和nonrobustness在离散有限期限模型和显示该模型保留了有限时间模型的优点。另外,他提出了一个启发式与日志风险率共同估计难以察觉的市场规模,当客户的购买概率遵循MNL模型。
Haensel和Koole67年)用客户选择集模型客户的购买行为。他们认为不同的客户群体代表不同的购买行为和特征。EM方法应用于解决问题的不完整的数据或信息。Haensel et al。68年关注应用程序的需求估计真正的机票预订数据。
Vulcano et al。69年)开发一种方法来估计主要需求,这是客户的首选,如果所有方法可供选择。选择的方法结合了MNL模型与非齐次泊松到达多个时期。EM算法来估计替代品和失去了需求当销售和产品可用性的数据是可观测的。

(B)酒店
纽曼et al。18)提出了几个新的评估方法和基准估计过程推荐(64年MNL模型。他们的评估方法是基于边际对数似然函数(与预期的对数似然函数中使用(64年])。这使他们能够消除使用EM算法。他们对EM方法的优点是与真正的酒店数据证明。

3.6.4。其他人

为解决刘et al。51),昆男et al。22],Stefanescu [63年),审查数据分析的问题不仅存在于酒店和航空公司的行业,而且在许多其他领域。data-censoring过程在这些领域类似于经理的情况“终止”的需求通过使用一个特定的客户部门预订限制。

有大量的理论和应用研究在可靠性工程审查数据分析,生物医学科学和计量经济学(见[37,77年- - - - - -88年])。参数和非参数回归模型及其变化是最常用的建模技术。这些方法严重依赖风险率函数的使用来确定寿命数据的概率分布。此外,这些链的研究还包括库存管理、文学以及与可替换的产品零售分类规划(见[89年- - - - - -96年])。

4所示。为未来的研究问题

研究数据unconstraining RMS各产业取得了很大的进步,也展开对未来的研究方向。

4.1。方法选择聚合RM

客户选择模型允许消费者购买决定让他们选择他们。近年来他们在RM获得了越来越多的关注。文学如Talluri和van Ryzin [64年],张和库珀[97年,98年)等,都集中在客户下的单腿平行航班的选择行为。加利西亚语作品的研究等。99年],刘和van Ryzin [One hundred.),范Ryzin和火山101年•勃朗特,et al。102年],Kunnumkal和Topaloglu [103年- - - - - -105年],张和阿德尔曼[106年,张107年],Talluri [108年],迈斯纳和施特劳斯[109年- - - - - -111年),和迈斯纳等。112年)和其他关注的理论优化模型和实用RM作出网络环境中实现。

虽然理论上很有前景,选择模型在实践中尚未广泛采用(18,113年]。其中一个原因是缺乏有效的评估方法选择模型,其中包括解决选择参数以及到达率。后者代表无约束需求的估计。现有的方法,如常用的EM算法,表现出非常长时间计算,常常导致反直觉的结果(见[65年])。此外,公司可能需要应用一个最大“帽”无约束估计结果,因为他们中的一些人倾向于高估的意思是当需求水平低。因此,进一步的鲁棒参数估计方法需要考虑选择模型,特别是应用于一个RM网络环境。

此外,如表所示5、比较研究的股份,unconstraining方法多年来一直由一些研究人员。尽管unconstraining选择模型的需求考虑近年来,有关multi-flight比较研究方法是最小的。沿着这个方向的研究无疑是有益的。

4.2。Multi-distribution需求数据的方法

拉和研究[114年描述,有三个主要输入RM优化模型:票价水平,需求预测,需求的不确定性。其中,需求的不确定性没有得到尽可能多的(出版)关注另外两个。此外,如上所述,昆男et al。22),像大多数预测方法、历史数据需要分解为推广效果,季节性,unconstraining方法应用之前和竞争的影响。其他角色的需求,如预订流程,市场表现类,观察水平的需求,和前几天离开,也需要考虑。

一般来说,大多数现有unconstraining方法,如EM, PD和其他人来说,假设已知的预订曲线或分布。但在现实中,企业往往不知道先验预订曲线的形状。在某些情况下,传统的正态分布假设名义需求通常是不合适的。一些研究人员,如李3],Zeni [19),李和胎儿38郭],[41和郭et al。42),刘等人。51),属于防守型中锋和研究[114年],Belobaba [115年和天鹅116年),考虑需求分布非正态分布(如对数正态、伽马、威布尔和泊松分布)。很少有文献关注multi-distribution情况下,尤其是在这种情况下捕获客户的选择行为。“我们需要的是一个从产品需求模型转移到客户行为模型”(117年]。因此,为了找到更实用和健壮的方法模型及其不确定性的需求,尤其是multi-flight unconstraining方法multi-distribution假设的基础上,进一步研究沿线是必要的。

4.3。Unconstraining方法的应用

4.3.1。健壮的RM

所示(117年),构建任何合理的模型需要考虑客户行为需要数据层面的客户。然而在实践中,这些数据通常是不可用的。关于选择模型的估计在RM,并发症通常使用RM公司已经从自己的产品预订数据。如前所述(118年),“从今天的RM收集产品可用性系统是一项艰巨的和非常耗时的任务。“公司倾向于需要数据从忠诚度计划或由第三方提供为了追踪客户的购买习惯的随机样本。虽然汽车租赁行业利润从可用的疯狂下行数据(119年),这是一个严峻的挑战在其他行业的公司来平衡成本和利润在构建客户级别上的需求模型。

如果客户行为信息可用,然后选择模型与无约束需求数据提供灵活性,除了获得预测或优化功率(63年]。否则,决策是在有限的需求信息。健壮的RM模型因此是有用,因为他们不严重依赖于准确的需求信息(120年)和风险中性假设(121年]。最近,局域网et al。122年提出可靠的库存控制方法,遵循发展(123年)通过消除需要两个假设。他们分析单腿强劲预订限制问题当的上下界需求是已知的。Birbil et al。124年]介绍健壮的版本的经典静态和动态单腿席位分配模型,它考虑了不准确的估计潜在的概率分布。Perakis和Roels125年]推导有限需求信息模型使用一般多面体不确定性下的最大最小和极大极小后悔标准集。他们提供了一个通用方法RM单腿和网络问题。

显然,鲁棒优化方法是预测不准确带来的另一种方式解决问题和数据不足。值得研究的是如何估计有限的需求信息通过使用需求unconstraining方法,和什么样的健壮unconstraining方法鲁棒优化政策更有效。

4.3.2。竞争和网络市场

预测方法和过程用于更新预测参数是重要的因素来确定在RMS unconstraining方法的选择。unconstraining之间存在协调问题和预测方法。同样,需要注意无约束估计和座位之间的优化方法。

Skwarek [35],Gorin [48),和d 'Huart [126年)评估的好处将竞争因素纳入现有的航空RMS,包括交互预报,unconstraining方法和座位优化方法在竞争激烈的市场。Oppitz和情节127年和湖128年)调查的问题leg-based unconstraining O-D世界。基于各种网络和需求的例子,法卡斯(53RM)还表明,网络的影响和对需求的影响unconstraining足以改变舰队任务的解决方案。此外,研究结果Zickus [47]表明,更好的预测和unconstraining方法导致更高的收入在一个模拟的航空网络。

不可否认了这些研究的方法仍然是有限的。评估最新提出的方法,尤其是multi-flight unconstraining方法,有必要在不同的市场条件下进行仿真测试。PODS工具或其他模拟方法(129年,130年)可用于生成随机数据流的需求竞争(131年)和网络(132年RM)问题。

5。结论

“收益管理可以被定义为利润最大化的艺术生成能力有限的产品在一个有限的地平线,每个产品出售给正确的客户在正确的时间正确的价格。它包含实践,比如价格歧视和拒绝客户的预期,更有利可图的客户。“(14在过去的30年里,它一直是一个活跃的研究领域。unconstraining需求的关键技术之一RMS的成功应用。本文综述unconstraining技术在不同行业的最新发展。unconstraining需求的定义及其关系的预测。研究者和实践者在RMS unconstraining取得了实质性的研究方法,如股份、多层次,multi-flight方法。

审查数据分析的问题不仅存在于RMS的航空公司和酒店行业,而且在许多其他领域,如可靠性工程、生物医学科学和计量经济学。尽管越来越多的文献,RMS的unconstraining方法需要更多的研究对新兴问题。例如,什么是适当的技术适合选择模型,特别是应用于一个RM网络环境;新的健壮的方法可以减少迭代次数和反直觉的结果的过程中参数估计;将鲁棒优化政策更加有效如果需求有限的信息可以通过使用unconstraining估计方法;什么是更实用更健壮的multi-flight方法基于multi-distribution假设;如何评价目前提议的方法的性能在不同的市场条件下进行仿真测试。

确认

这项工作的主要程序的部分支持由中国国家自然科学基金(71090402)、长江学者和创新研究团队项目在中国大学(IRT0860),中央大学和基础研究基金(SWJTU11ZT32)。作者感谢马克弗格森分享未发表的论文在不同阶段的准备工作的手稿。他们也要感谢两位匿名裁判的宝贵的意见和建议。

引用

1. r . g .交叉收益管理:核心策略为市场主导地位卡塞尔,纽约,纽约,美国,1997年。
2. j . f . b . c . Smith, Leimkuler, r·m·丹诺”在美国航空公司收益管理。”接口,22卷,不。1,8-31,1992页。视图:谷歌学术搜索
3. a·o·李,机票预订预订过程的预测概率和统计模型[博士。论文)、麻省理工学院、剑桥,质量,美国,1990年。视图:Zentralblatt数学
4. ,并革罗罢c·m·弗兰克,n . Kliewer”最近的事态发展在需求预测航空公司收益管理,“国际期刊的收入管理,3卷,不。3、252 - 269年,2009页。视图:出版商的网站|谷歌学术搜索
5. 魏泽福l . r .”,收益管理的优化建模的假设情况下,”《AGIFORS预订和收益管理研究小组,蒙特利尔,加拿大,1997。视图:谷歌学术搜索
6. 魏泽福l r和p . p . Belobaba“收入的影响票价的输入和航空公司收益管理需求预测的准确性,”运筹学学会》杂志上,53卷,不。8,811 - 821年,2002页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
7. t·w·l·库珀Homem-de-Mello, a . j . Kleywegt”的下跌影响收益管理模型”,运筹学,54卷,不。5,968 - 987年,2006页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
8. r·r·韦翰评价短期需求预测技术的航空运输(硕士论文)、麻省理工学院、剑桥,质量,美国,1995年。
9. d . k . Skwarek”收入替代切方法,和交通的影响”《AGIFORS预订和收益管理研究小组苏黎世瑞士,1996年。视图:谷歌学术搜索
10. 魏泽福l . r . s .情节,“更好的unconstraining航空公司收入需求数据管理系统来提高预测精度和更大的收入,”收入和价格管理杂志》上,1卷,不。3、234 - 254年,2002页。视图:谷歌学术搜索
11. k·Talluri和g . j . van Ryzin收益管理的理论和实践提供参考,Norwell质量,美国,2004年。
12. 麦吉尔和j . i g . j . van Ryzin“收益管理:研究概况和前景,”交通科学,33卷,不。2、233 - 256年,1999页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
13. 魏泽福l r和s e .身体“perishable-asset收益管理的分类和研究概述:收益管理,超额预定,和定价,”运筹学,40卷,不。5,831 - 844年,1992页。视图:谷歌学术搜索
14. p . Kevin p .南达,“航空公司收益管理:概述和技术1982 - 2001,”计量经济学研究所报告EI,3卷,第1522 - 1493页,2002年。视图:谷歌学术搜索
15. e·a·博伊德和i . c . Bilegan”收益管理和电子商务。”管理科学卷,49号10日,1363 - 1386年,2003页。视图:出版商的网站|谷歌学术搜索
16. w . c .蒋介石j·c·h·陈,x j .徐“收益管理研究的概述:目前的问题和未来的研究,“国际期刊的收入管理,1卷,不。1,第128 - 97页,2007。视图:谷歌学术搜索
17. l·m·博布和大肠热情的“开放问题和未来收益管理的方向,“收入和价格管理杂志》上,7卷,不。3、291 - 301年,2008页。视图:谷歌学术搜索
18. j·纽曼,l . Garrow m·弗格森t·l·雅各布斯和h,”作出估计模型使用从一个公司的销售数据,”工作报告乔治亚理工学院,亚特兰大,乔治亚州,美国,2012年,http://www.darden.virginia.edu/web/uploadedFiles/Paper%202%20-%20TwoStep2012v8%20with%20names.pdf。视图:谷歌学术搜索
19. r·h·Zeni收益管理的改进预测精度unconstraining[博士估计审查数据需求。论文)美国罗格斯大学、罗格斯新泽西州,2001。
20. 美国阴谋”,从预订到需求:unconstraining的过程,”《AGIFORS预订和收益管理研究小组美国,纽约,纽约,2000年。视图:谷歌学术搜索
21. l . r .魏泽福“Unconstraining方法”《AGIFORS预订和收益管理研究小组美国,纽约,纽约,2000年。视图:谷歌学术搜索
22. c . c .昆男m·弗格森j . Higbie和r·卡普尔”比较unconstraining改进收益管理系统的方法,”生产与运作管理》,16卷,不。6,729 - 746年,2007页。视图:出版商的网站|谷歌学术搜索
23. r·拉特里夫b . Rao, c·纳和k . Yellepeddi”multi-flight夺回启发式评估无约束需求从机票预订,”收入和价格管理杂志》上,7卷,不。2、153 - 171年,2008页。视图:谷歌学术搜索
24. l . r .魏泽福s e·金和d·a·斯科特,“预测酒店收益管理测试聚合与解集,“康奈尔酒店和餐厅管理季度,42卷,不。4,53 - 64年,2001页。视图:出版商的网站|谷歌学术搜索
25. 魏泽福l r和s e·金”的预测方法比较酒店收益管理,“国际期刊的预测,19卷,不。3、401 - 415年,2003页。视图:出版商的网站|谷歌学术搜索
26. e·b·奥尔金”,一厢情愿的想法和火箭科学:计算无约束的基本物质对收益管理的需求,”康奈尔酒店和餐厅管理季度,39卷,不。4、15 - 19,1998页。视图:谷歌学术搜索
27. r·萨利赫“评估与不完美的可用性指标,失去了需求”《AGIFORS预订和收益管理研究小组,蒙特利尔,加拿大,1997。视图:谷歌学术搜索
28. w·m·斯旺安排航空运输网络的系统分析[博士学位。论文)、麻省理工学院、剑桥,质量,美国,1979年。
29. w·m·天鹅“流量损失高负载因素,”《AGIFORS研讨会,23卷,第178 - 155页,1983年。视图:谷歌学术搜索
30. w·m·天鹅”的价值收益管理信息路由和调度,”《AGIFORS收益管理研究小组布鲁塞尔,比利时,1992年。视图:谷歌学术搜索
31. w·m·天鹅“泄漏建模为航空公司”世界交通研究:运输方式和系统h . Meersman, e . van de Voorde和Eds w .温克曼主持。帕加马,牛津大学,英国,1999年。视图:谷歌学术搜索
32. m .介绍等。确定潜在的负载能力基于观察负载系数数据,研究西北航空公司圣奥拉夫学院本科生实习小组,诺思菲尔德,明尼苏达州,美国,1988年。
33. c . Hopperstad“另一种切法”,波音商用飞机公司内部文件美国波音,兰洗,1995。视图:谷歌学术搜索
34. d . k . Skwarek竞争影响的收益管理系统组件:预测和出售模型[硕士论文)、麻省理工学院、剑桥,质量,美国,1996年。
35. j . Salch“Unconstraining乘客使用EM算法的需求,”诉讼的通知会议1997年美国德克萨斯州,达拉斯。视图:谷歌学术搜索
36. g . van Ryzin和j·麦吉尔,“收益管理没有预测和优化:一种自适应算法确定航空公司座位保护水平,”管理科学,46卷,不。6,760 - 775年,2000页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
37. m . Z.F.李·m·t·胡恩胎儿,“航空公司泄漏analysis-beyond正常的需求,”欧洲运筹学杂志》上,卷125,不。1,第215 - 205页,2000。视图:出版商的网站|谷歌学术搜索
38. 问:高和j·f·朱研究unconstraining评估方法在航空公司收益管理,“预测,24卷,不。5,66 - 69年,2005页。视图:谷歌学术搜索
39. 问:高,航空公司收益管理座位库存控制研究[博士。论文)南京航空航天大学,南京,中国,2006。
40. p .郭研究unconstraining方法基于multi-distribution收益管理系统的需求(硕士论文)、西南交通大学、成都,中国,2008。
41. p .郭、肖b和j·李,“unconstraining估计的EM算法研究非正态分布在收益管理,“Statatistics的应用和管理,30卷,不。6,1077 - 1088年,2011页。视图:谷歌学术搜索
42. c . Hopperstad”乘客O / D simulator-PODS v .”《AGIFORS预订和收益管理研究小组苏黎世瑞士,1996年。视图:谷歌学术搜索
43. c . Hopperstad“豆荚更新:模拟O / D收益管理计划,”《AGIFORS收益管理研究小组,蒙特利尔,加拿大,1997。视图:谷歌学术搜索
44. r·h·Zeni和k·d·劳伦斯,“Unconstraining数据在美国航空公司的需求,”收益管理和定价:案例研究和应用程序,即自耕农和美国Mcmahon-Beattie, Eds。,pp. 124–136, Thomson, London, UK, 2004.视图:谷歌学术搜索
45. y陈和l .罗”的方法未经审查的航空公司收入,需求”成都大学信息技术杂志》上,20卷,不。6,747 - 750年,2005页。视图:谷歌学术搜索
46. m . Zickus预测航空网络收益管理:收入和竞争力的影响[硕士论文)、麻省理工学院、剑桥,质量,美国,1998年。
47. t . o . Gorin航空公司收益管理:[硕士出售和预测算法论文)、麻省理工学院、剑桥,质量,美国,2000年。
48. d . y .他和l .罗”,改善冬季航空需求预测模型”,交通运输系统工程与信息技术》杂志上》第六卷,没有。6,103 - 107年,2006页。视图:谷歌学术搜索
49. p .郭、肖b和j·李,“需求预测的方法研究没有约束航空客运收益管理,,”《交通运输工程与信息,卷2,不。6,71 - 78年,2008页。视图:谷歌学术搜索
50. s p h . Liu史密斯,e·b·奥尔金和g·凯里,“估计不受约束的基于审查预订的酒店需求数据,”收入和价格管理杂志》上,1卷,不。2、121 - 138年,2002页。视图:谷歌学术搜索
51. p·h·刘,“酒店需求/取消分析使用统计方法和无约束估计需求,”收益管理和定价:案例研究和应用程序,即自耕农和美国Mcmahon-Beattie, Eds。汤姆森,页91 - 108年,伦敦,英国,2004年。视图:谷歌学术搜索
52. j . i .麦吉尔”审查的乘客需求多级数据回归分析联合容量限制,”《运筹学,60卷,不。1,第240 - 209页,1995。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
53. a .法卡斯网络效应的影响和收益管理在航空公司机队的任务决策[博士。论文)、麻省理工学院、剑桥,质量,美国,1996年。
54. p . p . Belobaba a法卡斯,“收益管理对航空公司的影响泄漏估计,“交通科学,33卷,不。2、217 - 232年,1999页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
55. Mishra和诉Viswanathan”,与人定价、收益管理”学报AGIFORS收益管理和分配研究小组会议美国夏威夷檀香山,,2003。视图:谷歌学术搜索
56. e·a·博伊德和r . Kallesen收益管理的科学当乘客购买可用的最低票价,”收入和价格管理杂志》上,3卷,不。2、171 - 177年,2004页。视图:谷歌学术搜索
57. a·博伊德·e·Kambour, j .名叫阿玉”的影响购买unconstraining,出售和下跌,”《会议通知收益管理部分美国纽约哥伦比亚大学,纽约,2001年。视图:谷歌学术搜索
58. c . Hopperstad g . Zerbib和p . p . Belobaba“方法估算出售,”学报AGIFORS收益管理和分配研究小组会议2006年,墨西哥坎昆。视图:谷歌学术搜索
59. c . Hopperstad“方法估算sell-up-part二世”学报AGIFORS收益管理和分配研究小组会议济州岛,韩国,2007年。视图:谷歌学术搜索
60. s . Karmarkar d Goutam b .如来佛,“unconstraining需求和依赖性,占收入的影响”收入和价格管理杂志》上,10卷,不。4、367 - 381年,2011页。视图:出版商的网站|谷歌学术搜索
61. 美国是的,b . v . Rao,钱德勒,“乘客夺回估计在航空公司收益管理,”《AGIFORS第41届年会,悉尼,澳大利亚,2001年。视图:谷歌学术搜索
62. c . Stefanescu诉de米格尔,k . Fridgeirsdottir和s . Zenios“收益管理相关需求预测,”美国统计协会学报》上,商业和经济统计数据部分美国弗吉尼亚州亚历山德里亚,2004年。视图:谷歌学术搜索
63. c . Stefanescu“多元客户需求:建模和估计从审查销售,”工作报告欧洲管理和技术学院的,柏林,德国,2009年,http://ssrn.com/abstract=1334353。视图:谷歌学术搜索
64. k . Talluri和g . van Ryzin收益管理在消费者行为的一般离散选择模型,”管理科学,50卷,不。1,15-33,2004页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
65. g .火山、g . van Ryzin和w·Chaar”作出收益管理:一个实证研究的评估和优化,“制造业和服务运营管理,12卷,不。3、371 - 392年,2010页。视图:出版商的网站|谷歌学术搜索
66. k . Talluri“有限总体收益管理模型和风险比人口规模参数的联合估计的过程,”工作报告,大学Pompeu布拉,巴塞罗那,西班牙,2009年,http://ssrn.com/abstract=1374853。视图:谷歌学术搜索
67. a . Haensel和g . Koole”估计无约束需求率函数使用客户的选择集,“收入和价格管理杂志》上,10卷,不。5,438 - 454年,2011页。视图:谷歌学术搜索
68. a . Haensel g . Koole, j . Erdman”估计无约束客户选择设置需求:一个案例研究在航空公司预订数据”第二届国际选择建模会议2011年英国利兹。视图:谷歌学术搜索
69. g . Vulcano g . van Ryzin r•拉,“估计主要销售事务数据的可替换的产品需求,”运筹学,60卷,不。2、313 - 334年,2012页。视图:谷歌学术搜索
70. r . j . a, d·b·鲁宾缺失的数据统计分析在概率论与数理统计,威利系列:应用概率论与数理统计,约翰威利& Sons,纽约,纽约,美国,1987年。
71. 魏泽福l r和r·m·拉特里夫“收益管理方法依赖的审查要求,“收入和价格管理杂志》上,9卷,不。4、326 - 340年,2010页。视图:出版商的网站|谷歌学术搜索
72. a . p .法官:m . Laird, d·b·鲁宾”最大似然从通过EM算法,不完整的数据”英国皇家统计学会杂志》上,39卷,不。1、1-38页。1977年的讨论。视图:谷歌学术搜索|Zentralblatt数学
73. g·j·克劳克兰和t·克里希南EM算法和扩展在概率论与数理统计,威利系列:应用概率论与数理统计,约翰威利& Sons,纽约,纽约,美国,1997年。
74. j . f .无法无天寿命数据的统计模型和方法在概率论与数理统计,威利系列,约翰威利& Sons,纽约,纽约,美国,第二版,2003年版。
75. p . p . Belobaba航空旅行需求和航空公司座位库存管理[博士。论文)、麻省理工学院、剑桥,质量,美国,1987年。
76. s e·安德森,”乘客座位选择分析能力控制:一个试点项目在斯堪的纳维亚航空公司”在运筹学国际交易,5卷,不。6,471 - 486年,1998页。视图:谷歌学术搜索
77. e·l·卡普兰和p·迈耶”,非参数估计的不完整的观察,“美国统计协会杂志》上53卷,第481 - 457页,1958年。视图:谷歌学术搜索|Zentralblatt数学
78. d·r·考克斯”回归模型和生命表”,英国皇家统计学会杂志》上34卷,第220 - 187页,1972年。视图:谷歌学术搜索|Zentralblatt数学
79. j·d·Kalbfleisch和r·l·普伦蒂斯失效时间数据的统计分析约翰·威利& Sons,纽约,纽约,美国,1980年,威利系列在概率论与数理统计。
80. g . s . Maddala在计量经济学Limited-Dependent和定性变量第三卷计量经济学在数量经济社会专著英国剑桥,剑桥大学出版社,1983年。
81. d·r·考克斯和d·奥克斯生存数据的分析、专著统计和应用概率,查普曼&大厅,纽约,纽约,美国,1984年。
82. h·施耐德正常的截断和审查样本数量,马塞尔·德克,纽约,纽约,美国,1986年。
83. w·纳尔逊加速测试:统计模型、测试计划和数据分析约翰·威利& Sons,纽约,纽约,美国,1990年。
84. m·j·克劳德a·c·金柏r·l·史密斯和t . j .情人可靠性数据的统计分析查普曼&大厅,纽约,纽约,美国,1991年。
85. h·刘,诉马基斯刀具可靠性评估变量加工条件下,“IEEE可靠性,45卷,不。4、573 - 581年,1996页。视图:出版商的网站|谷歌学术搜索
86. 美国Chib和e·格林伯格,”马尔可夫链蒙特卡罗模拟方法在计量经济学,”计量经济学理论,12卷,不。3、409 - 431年,1996页。视图:出版商的网站|谷歌学术搜索
87. j·l·谢弗不完整的多元数据分析卷,72专著的统计数据和应用概率查普曼&大厅,伦敦,英国,1997年。视图:出版商的网站
88. j·p·克莱因和m . l . Moeschberger生存分析施普林格,纽约,纽约,美国,2005年。
89. s•纳米亚斯说:“估计损失销售库存系统的需求,”海军研究物流第41卷。。6,739 - 757年,1994页。视图:谷歌学术搜索
90. n Agrawal和s . a . Smith”估计负二项零售库存管理需求难以察觉的销售损失,”海军研究物流,43卷,不。6,839 - 861年,1996页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
91. h·s·刘和a·h·l·刘”,估计单时期商品的需求分布频繁缺货、”欧洲运筹学杂志》上,卷92,不。2、254 - 265年,1996页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
92. r . Anupindi m .达达,s·古普塔,“估计基于消费者需求与库存中断的替换:一个应用程序自动售货机产品,”市场营销科学,17卷,不。4、406 - 423年,1998页。视图:出版商的网站|谷歌学术搜索
93. m·a·Lariviere和e . l . Porteus”跟踪信息:贝叶斯库存管理的销售损失,”管理科学,45卷,不。3、346 - 363年,1999页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
94. b . Tan和s Karabati”所需的服务水平可以达到需求和销售损失时未被注意的?”国际教育协会事务,36卷,不。4、345 - 358年,2004页。视图:出版商的网站|谷歌学术搜索
95. c t康伦和j·h·莫蒂默,“估计下不完整的产品可用性的需求,”哈佛大学经济研究所的讨论2174、2010、http://ssrn.com/abstract=1394476。视图:谷歌学术搜索
96. a . g .角和m·l·费舍尔“需求评估和分类优化下替换:方法和应用程序中,“运筹学,55卷,不。6,1001 - 1021年,2007页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
97. d . Zhang和w·l·库珀”与顾客选择行为,收益管理平行航班”运筹学,53卷,不。3、415 - 431年,2005页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
98. d . Zhang和w·l·库珀,”航空公司收益管理定价可替换的航班”,欧洲运筹学杂志》上,卷197,不。3、848 - 861年,2009页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
99. 加利西亚语,g . Iyengar r·菲利普斯和a . Dubey“管理灵活的网络产品,”技术报告tr - 2004 - 01,工业工程系,哥伦比亚大学,纽约,纽约,美国,2004年。视图:谷歌学术搜索
100. 问:刘翔和g . van Ryzin”作出线性规划模型对网络收益管理,“制造业和服务运营管理,10卷,不。2、288 - 310年,2008页。视图:出版商的网站|谷歌学术搜索
101. g . van Ryzin和g .火山”计算虚拟嵌套控制网络收益管理在客户选择行为,”制造业和服务运营管理,10卷,不。3、448 - 467年,2008页。视图:出版商的网站|谷歌学术搜索
102. j•j•m•勃朗特、i Mendez-Diaz和g .火山”列生成算法选择聚合网络收益管理,“运筹学卷,57号3、769 - 784年,2009页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
103. Kunnumkal和h . Topaloglu”,一个精致的确定性线性规划的网络收益管理问题与客户选择行为,”海军研究物流,55卷,不。6,563 - 580年,2008页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
104. Kunnumkal和h . Topaloglu”,一个新的动态规划分解方法网络收益管理问题与客户选择行为,”生产与运作管理》,19卷,不。5,575 - 590年,2010页。视图:出版商的网站|谷歌学术搜索
105. 美国Kunnumkal和h . Topaloglu网络收益管理问题的随机线性规划与客户选择行为,”收入和价格管理杂志》上,10卷,不。5,455 - 470年,2011页。视图:谷歌学术搜索
106. 张d和d·阿德尔曼,”一个近似动态规划方法的网络收益管理与客户的选择,”交通科学,43卷,不。3、381 - 394年,2009页。视图:出版商的网站|谷歌学术搜索
107. d .张”,一种改进的动态规划分解方法用于网络收益管理,“制造业和服务运营管理,13卷,不。1,35-52,2011页。视图:出版商的网站|谷歌学术搜索
108. k . t . Talluri“随机凹编程方法选择网络收益管理,“工作报告,大学Pompeu布拉,巴塞罗那,西班牙,2011年,http://www.econ.upf.edu/docs/papers/downloads/1215.pdf。视图:谷歌学术搜索
109. j•迈斯纳和a·k·施特劳斯”作出网络收益管理在疲软的市场细分,”工作报告兰开斯特大学管理学院,英国,2011年,兰开斯特http://www.meiss.com/download/rm -迈斯纳-施特劳斯- 02. - pdf。视图:谷歌学术搜索
110. j·迈斯纳和a·施特劳斯“改善作出网络收益管理,投标价格”欧洲运筹学杂志》上,卷217,不。2、417 - 427年,2012页。视图:出版商的网站|谷歌学术搜索
111. j·迈斯纳和a·施特劳斯“网络收益管理inventory-sensitive投标价格和客户的选择,”欧洲运筹学杂志》上,卷216,不。2、459 - 468年,2012页。视图:出版商的网站|谷歌学术搜索
112. j•迈斯纳,a·施特劳斯,k . Talluri”一个增强凹项目放松选择网络收益管理,“生产与运作管理》。在出版社。视图:出版商的网站|谷歌学术搜索
113. 魏泽福l . r .”,调查结果从航空公司使用收益管理软件系统,”收入和价格管理杂志》上,8卷,不。4、323 - 329年,2009页。视图:出版商的网站|谷歌学术搜索
114. r·拉特里和美国研究,“收益管理需求分布”《AGIFORS预订和收益管理研究小组巴西圣保罗州瓜鲁亚,2005。视图:谷歌学术搜索
115. p . p . Belobaba“环球航空公司预订分析:需求分布模式,”麻省理工学院飞行交通实验室报告》,剑桥,质量,北京,1985。视图:谷歌学术搜索
116. w·m·天鹅”航空公司需求分布:客运收益管理和泄漏,”交通研究E部分,38卷,不。3 - 4、253 - 263年,2002页。视图:出版商的网站|谷歌学术搜索
117. g . j . van Ryzin“未来的收入管理:模型的需求,”收入和价格管理杂志》上,4卷,不。2、204 - 210年,2005页。视图:谷歌学术搜索
118. t . Bodea m·弗格森和l . Garrow”数据集选择聚合收益管理:数据从一个主要的连锁酒店,“制造业和服务运营管理,11卷,不。2、356 - 361年,2009页。视图:出版商的网站|谷歌学术搜索
119. j .朱”使用:估计潜在需求租车无约束需求预测,“收入和价格管理杂志》上,4卷,不。4、344 - 353年,2006页。视图:谷歌学术搜索
120. s Kunnumkal和h . Topaloglu随机逼近方法的单腿收益管理问题离散分布的需求,”运筹学的数学方法,卷70,不。3、477 - 504年,2009页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
121. c . Barz K.-H。Waldmann”,收益管理的风险敏感性容量控制”,运筹学的数学方法,卷65,不。3、565 - 579年,2007页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
122. y局域网,h·高,m . o .球和Karaesmen,“有限的收益管理信息的需求,”管理科学,54卷,不。9日,第1609 - 1594页,2008年。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
123. m . o .球和m . Queyranne”向稳健的收益管理:竞争分析的在线预订,”运筹学卷,57号4、950 - 963年,2009页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
124. Birbil, j·b·g·Frenk, j . a . s . Gromicho和美国,“鲁棒优化的作用在单腿航空公司收益管理,“管理科学,55卷,不。1,第163 - 148页,2009。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
125. g . Perakis和g . Roels“健壮的网络收益管理,控制”制造业和服务运营管理,12卷,不。1,56 - 76,2010页。视图:出版商的网站|谷歌学术搜索
126. o . d 'Huart,航空公司收益管理(硕士竞争方法论文)、麻省理工学院、剑桥,质量,美国,2010年。
127. Oppitz和情节,“Unconstraining投标定价”美国第37 AGIFORS年度研讨会,巴厘岛,印度尼西亚,1998。视图:谷歌学术搜索
128. g .湖”Unconstraining投标价格环境,”程序的优点5用户年会美国德克萨斯州,休斯顿,1997。视图:谷歌学术搜索
129. m·弗兰克·m·Friedemann和a·施罗德“收益管理原则模拟”,收入和价格管理杂志》上,7卷,不。1、7 - 16,2008页。视图:谷歌学术搜索
130. ,并革罗罢。基于仿真分析的预测绩效评估航空公司收益管理[博士。论文)帕德伯恩大学帕德伯恩,2009年德国。
131. o . d 'Huart和p . p . Belobaba竞争航空公司收益管理的交互模型,”收入和价格管理杂志》上,11卷,不。1,第124 - 109页,2012。视图:谷歌学术搜索
132. a . Kimms和m . Muller-Bungart”模拟随机需求的数据流网络收益管理问题,“或频谱卷,29号1,5 - 20,2007页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学

版权

版权©2012彭郭et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。