基于強(qiáng)化學(xué)習(xí)的電子銷售市場(chǎng)動(dòng)態(tài)定價(jià)研究.pdf

1、隨著Internet技術(shù)的迅猛發(fā)展，電子商務(wù)得到了廣泛應(yīng)用，電子銷售市場(chǎng)中的動(dòng)態(tài)定價(jià)問(wèn)題研究具有十分重要的現(xiàn)實(shí)意義。論文主要使用強(qiáng)化學(xué)習(xí)技術(shù)來(lái)分別解決單個(gè)銷售商和多個(gè)銷售商壟斷電子銷售市場(chǎng)的動(dòng)態(tài)定價(jià)問(wèn)題。 論文首先根據(jù)單個(gè)銷售商壟斷電子銷售市場(chǎng)的模型特點(diǎn)，將其建模成半馬爾可夫決策過(guò)程(Semi-Markov Decision Process，SMDP)，并結(jié)合性能勢(shì)理論，建立了適用于平均和折扣兩種性能準(zhǔn)則的Q學(xué)習(xí)算法和模擬退火Q

2、學(xué)習(xí)算法，以解決單個(gè)銷售商的動(dòng)態(tài)定價(jià)問(wèn)題。與簡(jiǎn)單的動(dòng)態(tài)定價(jià)方法DF(Derivative Following)相比，這兩種算法的學(xué)習(xí)效果更好，其中模擬退火Q學(xué)習(xí)算法能夠有效解決Q學(xué)習(xí)中的探索和利用之間的平衡問(wèn)題。論文還討論了不同的系統(tǒng)參數(shù)對(duì)銷售商收益的影響。 論文還針對(duì)兩個(gè)銷售商壟斷電子銷售市場(chǎng)的模型，研究了彼此之間沒(méi)有信息交互和只有部分信息交互兩種情況下的動(dòng)態(tài)定價(jià)問(wèn)題。第一種情況下，每個(gè)銷售商單獨(dú)學(xué)習(xí)，決策時(shí)刻各自獨(dú)立，因而是

3、異步?jīng)Q策問(wèn)題：第二神情況下，銷售商之間只能觀察到對(duì)方的狀態(tài)信息，而不知道對(duì)方的行動(dòng)和報(bào)酬，因而可建模成馬爾可夫博弈。針對(duì)這兩種情況，論文在性能勢(shì)理論框架下分別引入了WoLF-PHC算法，該算法根據(jù)對(duì)手使用的行動(dòng)不同，而采用不同的學(xué)習(xí)率，從而能夠更好地適應(yīng)環(huán)境的變化。實(shí)驗(yàn)結(jié)果表明，WoLF-PHC算法和模擬退火Q學(xué)習(xí)算法都能有效解決無(wú)信息交互和只有部分信息交互時(shí)的動(dòng)態(tài)定價(jià)問(wèn)題，而且與模擬退火Q學(xué)習(xí)算法相比，WoLF-PHC算法學(xué)習(xí)效果更好