Для цитирования:
Курганский А. Н., Максимова А. Ю., Корнев С. А. Mодель динамического ценообразования без отрицательных примеров, основанная на безградиентной выпуклой оптимизации с неточным оракулом // Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. 2026. Т. 26, вып. 1. С. 139-144. DOI: 10.18500/1816-9791-2026-26-1-139-144, EDN: YOXDEJ
Mодель динамического ценообразования без отрицательных примеров, основанная на безградиентной выпуклой оптимизации с неточным оракулом
В работе предложен основанный на безградиентной стохастической выпуклой оптимизации с неточным оракулом нулевого порядка алгоритм решения одного из вариантов задачи динамического ценообразования в случае, когда при переменном потоке покупателей обучающая выборка содержит информацию только о совершенных покупках, а число отказов от покупки при данной цене неизвестно. В работе рассматривается модель с одним сегментом клиентов и одним видом товаров как элемент более сложных, иерархических моделей динамического ценообразования. При отсутствии данных об отказах для сведения к задаче выпуклой безградиентной оптимизации используется прием логарифмирования целевой функции и разбиения сегмента клиентов случайным образом на два подсегмента при каждой итерации.
- Perakis G., Singhvi D. Dynamic pricing with unknown nonparametric demand and limited price changes. Operations Research, 2023, vol. 72, iss. 6, pp. 1123–1145. DOI: http://dx.doi.org/10.1287/opre.2020.0445, EDN: RGGZRJ
- Pasechnyuk D., Dvurechensky P., Omelchenko S., Gasnikov A. Stochastic optimization for dynamic pricing. In: Olenev N. N., Evtushenko Y. G., Jaćimović M., Khachay M., Malkova V. (eds.) Advances in optimization and applications. OPTIMA 2021. Communications in Computer and Information Science, vol. 1514. Cham, Springer, 2021, pp. 82–94. DOI: http://dx.doi.org/10.1007/978-3-030-92711-0_6, EDN: ZWJGID
- Lin T., Zheng Z., Jordan M. I. Gradient-free methods for deterministic and stochastic nonsmooth nonconvex optimization. Advances in Neural Information Processing Systems, 2022, vol. 35, pp. 26160–26175.
- Duchi J. C., Jordan M. I., Wainwright M. J., Wibisono A. Optimal rates for zero order convex optimization: The power of two function evaluations. IEEE Transactions on Information Theory, 2015, vol. 61, iss. 5, pp. 2788–2806. DOI: https://doi.org/10.1109/TIT.2015.2409256
- Nesterov Yu. Random gradient-free minimization of convex functions. Technical Report 2011001, Center for Operations Research and Econometrics (CORE), Catholic University of Louvain (UCL), 2011, vol. 16. 32 p. EDN: GEPEMD
- Devolder O., Glineur F., Nesterov Yu. First-order methods of smooth convex optimization with inexact oracle. Mathematical Programming, 2014, vol. 146, iss. 1–2, pp. 37–75. DOI: http://dx.doi.org/10.1007/s10107-013-0677-5, EDN: CPTOLC
- Gasnikov A.V., Nesterov Yu. E. Universal method for stochastic composite optimization problems. Computational Mathematics and Mathematical Physics, 2018, vol. 58, iss. 1, pp. 48–64. DOI: http://dx.doi.org/10.1134/S0965542518010050, EDN: XXGXEL
- Bayandina A. S., Gasnikov A. V., Lagunovskaya A. A. Gradient-free two-point methods for solving stochastic nonsmooth convex optimization problems with small non-random noises. Automation and Remote Control, 2018, vol. 79, iss. 8, pp. 1399–1408. DOI: http://dx.doi.org/10.1134/S0005117918080039, EDN: VBKOAV
- 44 просмотра