کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6895925 1445985 2016 44 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Robust optimization of the 0-1 knapsack problem: Balancing risk and return in assortment optimization
ترجمه فارسی عنوان
بهینه سازی پایدار مشکل 0-1 کوله پشتی: خطر متعادل سازی و بازگشت بهینه سازی مجموعه
کلمات کلیدی
خرده فروشی، مجموعه ها، ریسک بازگشت مرز کارآمد، بهینه سازی قوی، مشکل حلقه
ترجمه چکیده
خرده فروشان با کارایی مهم اما چالش برانگیز بهینه سازی مجموعه محصولات خود مواجه هستند. چالش این است که برای هر رده در هر فروشگاه، طبقه بندی که حداکثر سود مورد انتظار (مورد انتظار) را پیدا کند. خرده فروشان با اضافه شدن به پیچیدگی این مشکل 0-1 کوله پشتی نیز باید در معرض خطر با هر دسته بندی قرار بگیرند. در حالی که هر محصول در مجموعه، بازده مورد انتظار را ارائه می دهد، عدم اطمینان در مورد تقاضای و سود مورد انتظار خود نیز وجود دارد. بنابراین، خرده فروشان با مشکل دشواری در طراحی مجموعه ای از محصولات مواجه هستند که ریسک و بازگشت را کاهش می دهند. در این مقاله، ما یک رویکرد قوی برای بهینه سازی مجموعه های خرده فروشی ارائه می دهیم که این تعادل را ارائه می دهد. از آنجایی که ابعاد این مشکل 0-1 کوله پشتی قوی در عمل غالبا مانع از شمارش کامل می شود، پیشنهاد می کنیم یک اکتشافی نوین، کارآمد و زمان واقعی که این مشکل را حل کند. اکتشافی یک تقریب از مرز موثر بازده ریسک و بازده را ایجاد می کند. ما متوجه می شویم که راه حل های قوی خرده فروشی را کاهش قابل توجهی در خطر (واریانس) ارائه می دهد، در عین حال فقط کاهش کوچکی در بازده مورد انتظار را نشان می دهد. تقریبی ساخته شده شامل مجموعه هایی است که راه حل های بهینه برای مشکل بهینه سازی مجموعه ای قوی هستند. علاوه بر این، آنها تجسم بصری بصری فضای راه حل را ارائه می دهند، که اجازه می دهد برای تعاملی (چه چیزی باید حق بیمه باید خرده فروش پرداخت؟) در زمان واقعی (ماده از ثانیه).
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
بهینه سازی پایدار مشکل 0-1 کوله پشتی: خطر متعادل سازی و بازگشت بهینه سازی مجموعه
چکیده انگلیسی
Retailers face the important but challenging task of optimizing their product assortments. The challenge is to find, for every category in every store, the assortment that maximizes (expected) category profit. Adding to the complexity of this 0-1 knapsack problem, retailers should also consider the risk associated with every assortment. While every product in the assortment offers an expected return, there is also uncertainty around its expected demand and profit contribution. Therefore, retailers face the difficult task of designing a portfolio of products that balances risk and return. In this paper, we develop a robust approach to optimize retail assortments that offers this balance. Since the dimensionality of this robust 0-1 knapsack problem in practice often precludes full enumeration, we propose a novel, efficient and real-time heuristic that solves this problem. The heuristic constructs an approximation of the risk-return Efficient Frontier of assortments. We find that the robust solutions offer the retailer a considerable reduction in risk (variance), yet only imply a small reduction in expected return. The constructed approximations contain assortments that are optimal solutions to the robust assortment optimization problem. Moreover, they represent insightful visualizations of the solution space, allowing for interactivity (“what risk premium should the retailer pay?”) in real-time (matter of seconds).
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 250, Issue 3, 1 May 2016, Pages 842-854
نویسندگان
, ,