قیمت گذاری پویا در سیستم های حمل و نقل ریلی با یادگیری تقویتی

در سالهای گذشته، تعداد بسیار محدودی از تلاش ها برای استفاده از یادگیری تقویتی برای مدیریت درآمدخطوط هوایی صورت گرفته است . اگرچه این رشته اکنون به خوبی تثبیت شده است، اما محققان دانشگاهی ازبررسی برخی صنایع غافل شده اند. درحالیکه صنایع هواپیمایی و هتلداری به اندازه کافی موردتوجه قرار گرفته اند،صنایع ریلی نادیده گرفته شده اند . درآمد شرکتهای حمل ونقل ریلی بیشتر از فروش بلیت های صندلی به دستمیآید؛ بنابراین شرکتها سعی در ایجاد یک سیاست بهینه فروش بل یت برای دستیابی به حداکثر درآمد ممکنبرای هر قطار داشته باشد. اکثر پژوهش های انجام شده در مسئله قیمت گذاری پویا با مدلسازی ریاضی و یاترکیبی از روشهای یادگیری ماشین و بهینه سازی برای اهداف حداکثرسازی سود و ایجاد تعادل میان عرضه وتقاضا انجام شده است و تحقیقات کمی در حوزه قیمت گذاری پویا در سیستم های حمل ونقل ریلی با استفاده ازروشهای یادگیری تقویتی انجام شده است. این تحقیق با اهداف تخمین بهترین قیمت به صورت پویا باتوجه بهشرایط مختلف زمانی، مکانی و کلاس مشتریان و همچنین توسعه مدل ها باهدف حداکثرسازی میزان درآمدانجام شده است. نتایج شبیه سازی نشان میدهد که الگوریتم یادگیری Q برای مسئله قیمت گذاری پویا عملکردخوبی از خود نشان می دهد و می توان قیمت های بهینه را یاد بگیرد و باعث حداکثر شدن درآمد شود.

کلیدواژه ها:

قیمت گذاری پویا ، یادگیری تقویتی ، مدیریت درآمد