基于多阶段动态组合拍卖的联盟舱位分配研究

收益分配方式的不同决定了航空公司对于不同航段舱位的认知价值不同,承运航空公司决定是否承运,不在于市场航空公司所接收到旅客请求票价的高低,而在于它所能分配到的收益的多少,收益分配方式的不同会影响舱位分配的优化结果。本文抛弃了原有先确定收益分配方式再进行舱位分配的模式,以航空公司对航段舱位自身的认知价值进行舱位分配。将联盟看作拍卖者,各航空公司作为竞拍者,联盟航线上的舱位看作商品,建立基于多阶段动态组合拍卖的航空联盟舱位分配模型,得到航空联盟收益最大化下的舱位分配,算例分析表明,该方法可解决航空联盟内各航空公司在不同航段上的舱位分配问题,具有实用性与创新性。     

考虑No-Show 的多航段航空机票定价模型

本文提出了多航段航空机票定价模型,从航空公司与旅客两个局中人的博弈 的角度,阐述了考虑No-Show 下的兼顾多航段航空机票定价模型.该模型由价格控制市 场需求出发,结合博弈论、概率论等基本理论,完成多航段机票定价决策的同时,通过价 格变化控制机票销量,达到超售有效克服No Show 对收益的影响,并同步实现了不同航 段舱位的合理分配.算例验证了该模型的可操作性和实用价值.     

集装箱班轮多港挂靠循环航次舱位分配

舱位分配优化是集装箱班轮经营中的重要决策问题。基于收益管理的原理,利用概率统计方法,计算出在一个多港挂靠循环航次所包括的各个航段应为普通客户预留的舱位数量;建立了包含空箱调运问题的舱位分配随机规划模型;通过确定各航段长期合同客户舱位数量的上下限,将随机规划模型转化为可以求解的确定型规划模型。算例分析显示了该模型及算法的有效性。     

航空货运多航段多阶段模型

在航空货运运力分配中需要解决两个问题:一是选择哪条航段来运输货物,二是在满足货物运输的前提下,选择哪个时期运输货物.本文使用数学规划方法建立了航空货运多航段多阶段模型,以解决航空货运运力分配中的两个问题.通过实例数值仿真,证明了该模型的有效性,并揭示了飞机的承载能力、航段的收益水平和货物的利润水平对舱位分配策略影响较大.     

集装箱物流收益管理的能力分配模型

提出了研究不确定环境下集装箱物流收益管理的框架．针对集装箱物流收益管理系统的核心问题——运输能力分配，建立了考虑整条航线多个港口需求不确定性的舱位分配随机规划模型，并介绍了用机会约束规划方法求解模型的步骤．通过实例数值仿真，证明了该模型的可行性，并揭示了船舶承载能力对需求较大的航段的舱位分配策略影响较大，而需求的波动对舱位分配策略也有较大影响．     

竞争环境下航班舱位控制博弈模型

分析了中国航空市场的特点,以定义不同票价等级下各航空公司所提供的座位数为决策变量,舱位容量为约束条件,各家航空公司收益最大化为多目标函数,构建竞争环境下中国航空公司舱位控制的博弈模型,利用拉格朗日乘数法求解各航空公司最优低价票数,并以此来确定均衡舱位.仿真试验表明:各家航空公司舱位控制策略相互制约且能够达到均衡状态,但受到旅客需求随机性的影响,在12 000次的仿真试验中达到均衡的概率为12.68%,达不到均衡的概率为87.32%,因此,这种均衡是动态的且实现机率较低,结论与实际相符,模型切实可行.     

基于需求转移的货运班列动态舱位控制策略研究

基于收益管理的思想,综合考虑顾客需求转移和批量订舱行为,建立离散时间的铁路货运班列动态舱位控制模型,指出在任意决策阶段,舱位预定请求接受/拒绝阈值点若存在则至少存在一个的特性.然后在任意决策阶段,利用每种舱位的阈值点构造了两组区间序列,针对每组区间序列给出相应的舱位预定请求的接受/拒绝策略.此外还证明了期望收益函数的性质及阈值点关于需求转移率的单调性.最后,通过设计3组仿真实验分别验证了最优舱位控制策略的可行性及相关性质的正确性.     

运输网络中舱位控制模型与策略

为了提高运输网络系统的收益管理水平,以民航客运航线网络为背景,从策略、模型和方法3个方面系统地研究了网络舱位控制的基本问题.针对控制策略,对分块预订限制、虚拟嵌套和竞标价格等策略的优劣性和适用条件进行了探讨.分析了传统的控制模型,并对新出现的复杂模型分为随机动态规划模型、混合模型、多阶段随机规划模型和Scenario树模型进行研究.讨论了基于资源分解的网络舱位控制方法,指出应该从资源分解的原则和单资源舱位控制模型2个方面去构建网络策略.研究结果表明:网络舱位控制模型和方法只有与适合的控制策略有效结合才能达到期望总收益最大化的目的.     

航空货运公司动态博弈下的即期舱位差别定价决策

为研究同一航线上2家航空货运公司舱位的差别定价决策问题, 建立了动态博弈定价模型, 确定2家公司在各销售阶段的舱位定价; 以大连-广州航段上大连机场货运公司和中国南方航空公司为例, 分析了2家公司在即期市场的舱位定价和收益情况。分析结果表明: 当2家公司采用差别定价模式时, 第1~4、5~6、7~10、11阶段的定价分别为9.7、12.6、13.6、15.2元·kg-1, 当2家公司采用单一定价模式时, 各阶段的定价均为12.1元·kg-1, 即在动态博弈定价下, 无论采用差别定价模式或是单一定价模式, 2家公司各销售阶段的舱位定价完全相同; 当2家公司分别采用差别定价模式与单一定价模式时, 所有阶段的总收益分别为50 928和49 519元, 说明在即期市场上采用差别定价模式销售舱位比采用单一定价模式能获得更大的收益; 当订舱需求受自身定价与对手定价的影响程度的比值分别为1.5、2.0、2.5时, 2家公司在各阶段的舱位定价均逐渐降低, 说明订舱需求受双方定价的影响程度越接近, 双方舱位定价的提升空间越大, 收益也越大。      

随机需求航线网络效应下机队鲁棒优化方法

针对航线网络效应及旅客需求不确定性问题,将旅客组合优化模型加入机队规划问题,借鉴航线网络运力优化分配方法,以机型飞机数目、航段机型飞行频次、行程路线上旅客溢出人数为决策变量,以行程路线上旅客需求限制、航段飞行频次限制、特定机型机队飞行时间限制为约束条件,利用量化市场份额指数计算旅客溢出再捕获率,建立了旅客需求不确定情景下的机队鲁棒优化模型,设计了航线网络环境下的旅客需求离散情景集,用情景汇聚算法求解该模型.算例仿真结果表明,与传统机队规划模型相比较,本文模型的机队规划成本降低了167.07万元;与确定解的最小随机期望值相比,在3种情景集下,随机规划解的机队规划成本分别降低了19.88万元、21.02万元与17.55万元.      

考虑旅客选择行为的高铁席位动态控制策略

利用基于选择行为的网络收益管理原理研究高铁席位动态控制策略.首先,针对多列车多停站的高铁网络建立考虑旅客选择行为的席位控制动态规划模型.然后,设计两阶段控制机制：第一,采用近似动态规划技术,对价值函数进行线性近似,设计策略迭代算法离线获得时间依赖的投标价格;第二,采用能够描述多种选择行为机理的马尔科夫链选择模型刻画旅客选择行为,将投标价格作为输入参数,在线运行品类优化算法获得实时控制策略.最后以京沪高铁为背景设计仿真实验,结果表明该机制在需求水平较低时能够明显改善收益,且保护长途票额.该机制不仅可获得实时动态控制策略,而且通用性好,还可利用历史数据进行参数学习与更新,实现更为精细地连续优化.     

优化动车组席位分配方案的整数规划法

在市场经济条件下,优化列车席位分配方案,有利于提高铁路运输企业的盈利水平,把握市场竞争力.目前国内有关提高铁路客运收益管理水平的研究,侧重点一般放在定价策略上.涉及席位分配方案的研究较少.根据收益管理理论中席位控制的基本原理,构建了整数规划模型以确定单趟动车组的席位分配方法.在假设一定的条件下,根据历史数据进行了计算.结果表明:客票收入可以得到较高的增加.     

路网最优费率的双层规划模型及算法

为寻求系统、科学的路网最优费率测算方法,提出用双层规划模型描述路网管理者、收费道路经营者和车辆用户三者在费率决策中的博弈关系,其中上层以路网用户盈余最大化为目标,下层是弹性需求下的多车型随机用户均衡模型,设计了遗传-模拟退火混合优化的求解算法。计算发现路网收费收入目标的高低将直接影响测算所得费率的高低,进而影响各车型OD出行量,且时间价值低的车型用户比时间价值高的车型用户受费率变化的影响要更为显著,表明双层模型在费率决策过程中能兼顾相关各方的利益,建模时考虑车型分类能更合理地反映现实情况;与遗传算法、模拟退火算法相比,遗传-模拟退火算法计算结果最优。     

基于模块化仿真的共享汽车联合调度优化

运营商在调度车辆时单独采用员工或顾客调度策略均难以有效解决共享汽车分布不均衡导致的盈利难问题.为此，在传统时空网络基础上，考虑道路拥堵和用车需求随时间变化对运营的影响，基于C#语言和O2DES(object-oriented discrete event simulation)离散事件仿真框架，建立由模块化站点和路段模型组成、可高效率运行的共享汽车仿真系统；在此基础上，提出一个以运营商日均净收益最大化为目标，联合决策车辆库存量阈值和行程定价的仿真优化模型，并为解决随机环境下的全局优化问题，设计了EGA-OCBA (elitist genetic algorithm with optimal computing budget allocation)算法；最后，以成都市的5个共享汽车站点为例，验证了仿真优化模型的有效性.仿真优化结果表明：在相同车队规模下，与采用固定价格的顾客调度策略相比，联合策略可使日均净收益提升10.37%～162.30%；与单独的员工调度策略相比，联合策略可使日均净收益提升15.34%.     

随机扰动项呈离散分布的库存路径和定价问题的模型与算法

针对产品需求价格函数随机扰动项呈离散分布的库存路径和定价问题(Inventory Routing and Pricing Problem, IRPP)，利用随机扰动项的离散分布率和零售商库存服务水平要求，以供货商期望收益最大化为目标，构建IRPP优化模型，将禁忌搜索算法嵌入改进的粒子群算法中求解模型。3组不同规模的算例分析结果显示，在同样的零售商库存服务水平要求下，考虑需求价格函数随机扰动项与不考虑相比，供货商期望收益分别提高了3.1%、3.5%和3.8%。研究表明，产品需求价格函数随机扰动越剧烈，供货商的期望收益就会愈少，客户的产品价格弹性越高，供货商的期望收益就会愈大。研究结论可为供货商IRPP决策提供参考。     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器一人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化．最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性．     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器-人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化.最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性.     

Weekly Fleet Assignment Model and Algorithm

A 0-1 integer programming model for weekly fleet assignment was put forward based on linear network and weekly flight scheduling in China. In this model, the objective function is to maximize the total profit of fleet assignment, subject to the constraints of coverage, aircraft flow balance, fleet size, aircraft availability, aircraft usage, flight restriction, aircraft seat capacity, and stopover. Then the branch-and-bound algorithm based on special ordered set was applied to solve the model. At last, a real-world case study on an airline with 5 fleets, 48 aircrafts and 1786 flight legs indicated that the profit increase was $1591276 one week and the running time was no more than 4 min, which shows that the model and algorithm are fairly good for domestic airline.     

前言

基于RP(Revealed Preference)和SP(Stated Preference)调查数据，利用潜在类别模型对高铁旅客进行细分，得到旅客对平行车次不同服务属性，如列车运行时间、发车时段和舒适度的偏好程度，并对其进行量化；引入收益管理，以多列车整体收益最大为目标，构建平行车次动态差别定价模型，并设计模拟退火算法进行求解；最后，通过京沪高铁进行实例验证.结果表明：与固定票价进行客票销售相比，所提方案能够适应高峰期和平峰期不同客流特点，提高铁路客票总收益，为高铁平行车次灵活定价提供参考.