张耀元1,
卢春2
1.中国民航大学计算机科学与技术学院 天津 300300
2.中国南方航空股份有限公司信息中心 广州 510000
基金项目:国家自然科学基金(61502499)，民航航空公司人工智能重点实验室项目
详细信息
作者简介:卢敏：男，1985年生，副研究员，博士，主要研究方向为机器学习、强化学习
张耀元：女，1996年生，硕士生，主要研究方向为民航收益管理、强化学习
卢春：男，1974年生，高级工程师，研究方向为航空公司收益管理
通讯作者:卢敏 mlu@cauc.edu.cn
中图分类号:TP311计量
文章访问数:738
HTML全文浏览量:169
PDF下载量:84
被引次数:0
出版历程
收稿日期:2020-09-20
修回日期:2021-02-04
网络出版日期:2021-03-02
刊出日期:2021-04-20
Approach for Dynamic Flight Pricing Based on Strategy Learning
Min LU1,,,Yaoyuan ZHANG1,
Chun LU2
1. College of Computer Science and Technology, Civil Aviation University of China, Tianjin 300300, China
2. Information Center of China Southern Air Holding Company Limited, Guangzhou 510000, China
Funds:The National Natural Science Foundation of China (61502499), The Project from Key Laboratory of Artificial Intelligence for Airlines, CAAC
摘要
摘要:机票动态定价旨在构建机票售价策略以最大化航班座位收益。现有机票定价算法都建立在提前预测各票价等级的需求量基础之上，会因票价等级需求量的预测偏差而降低模型性能。为此，提出基于策略学习的机票动态定价算法，其核心是不再预测各票价等级的需求量，而是将机票动态定价问题建模为离线强化学习问题。通过设计定价策略评估和策略更新的方式，从历史购票数据上学习具有最大期望收益的机票动态定价策略。同时设计了与现行定价策略和需求量预测方法的对比方法及评价指标。在两趟航班的多组定价结果表明：相比于现行机票销售策略，策略学习算法在座位收益上的提升率分别为30.94%和39.96%，且比基于需求量预测方法提升了6.04%和3.36%。
关键词:民航收益管理/
机票动态定价/
强化学习/
策略学习
Abstract:The core of the dynamic flight pricing is to yield a pricing strategy with maximum seat revenue. The state-of-the-art flight pricing approaches are built on forecasting the fare demand. They suffer low profit due to the inaccurate prediction. To tackle the above issue, an approach for dynamic flight pricing based on strategy learning is proposed. That approach resorts to reinforcement learning to output pricing strategy with the highest expected return. That strategy is learned by iteratively policy evaluation and policy improvement. The rate of profit improvement on the two flights is empirically 30.94% and 39.96% over the existing pricing strategy, while that rate is 6.04% and 3.36% over the demand forecasting algorithm.
Key words:Revenue management/
Dynamic flight pricing/
Reinforcement learning/
Strategy learning
PDF全文下载地址:
https://jeit.ac.cn/article/exportPdf?id=87971266-4257-4197-8b58-6c7fac3fd19d
