Short-term Forecasting of Price-responsive Loads Using Inverse Optimization
我们考虑的问题,预测总需求的价格敏感的电力消费者的池。聚合的价格响应通过最优化问题来建模,该最优化问题的特征在于一组边际效用曲线以及最小和最大功耗限制。估计这些参数的任务是解决使用广义逆优化方案,反过来,需要解决一个非凸的数学规划。我们介绍了一种解决方法,克服了非凸性,而不是解决两个线性问题的惩罚项,这是统计调整使用交叉验证算法。拟议的方法是数据驱动的,并利用时间和天气变量等回归变量的信息来说明参数估计值的变化。对一组建筑物内的供暖、通风和空调系统的电力负荷进行了模拟,结果表明,所提出的模型可以成功地捕捉到该组的总需求,使其适合于短期预测的目的。
2016-07-25 math.OC
Distributed event-triggered aggregative optimization with applications to price-based energy management
本文针对基于价格的能源管理中的分布式聚合优化问题,提出一种结合梯度动力学与动态平均一致性估计器的双时间尺度连续时间算法,证明其指数收敛性,并研究了事件触发通信实现,通过分布式能源管理仿真验证了方法的有效性。
2023-09-25 math.OC
Price and Assortment Optimization under the Multinomial Logit Model with Opaque Products
Cornell Tech, Cornell University(康奈尔理工学院,康奈尔大学);Columbia University(哥伦比亚大学)
研究在具有不透明产品的多项logit模型下的价格与产品组合优化问题,证明价格优化时统一定价最优,产品组合优化方面,给出不同情况下最优产品组合的特点及按收入和估值嵌套的启发式方法并验证其有效性。
2026-07-10 math.OC
Randomized Robust Price Optimization
针对鲁棒多产品定价问题,本文提出随机鲁棒价格优化方法,通过指定价格向量分布最大化最坏收益,给出离散候选集最优随机化方案,在真实零售数据集上最坏收益提升达92%且样本外收益更高。
2025-02-14 math.OC
Optimization Beyond Prediction: Prescriptive Price Optimization
NEC Corporation(日本电气股份有限公司)
本文讨论了一个新的数据科学问题,即规定性价格优化,它基于机器学习产生的大量预测公式推导出最优价格策略,以最大化未来利润/收入。规定性价格优化首先根据历史数据建立多个产品的销售预测公式,揭示销售与价格之间的复杂关系,如需求的价格弹性和蚕食。然后,在这些预测公式的基础上构造一个数学最优化问题。我们提出的最优化问题可以制定为一个实例的二进制二次规划(BQP)。虽然BQP问题是NP难的一般和计算上棘手的,我们提出了一个快速近似算法使用半定规划(SDP)松弛,这是密切相关的Goemans-Williamson的最大割近似。我们在模拟和真实零售数据集上的实验表明,我们的规定性价格优化在实际计算时间内同时得出数十/数百种产品的最优价格,可能提高这些产品的毛利润8.2%。
2016-05-24 cs.LG math.OC stat.ML
Interpretable Price Bounds Estimation with Shape Constraints in Price Optimization
Recruit Co., Ltd.(利库路特公司)
针对价格优化中价格界限缺乏合理确定方法的问题,本文提出先基于历史数据用三种方法估计价格界限,再通过含形状约束的优化问题进行调整,并在实际服务数据上验证了有效性。
2024-09-29 cs.AI cs.GT math.OC
Beyond Price-Taker: Multiscale Optimization of Wind and Battery Integrated Energy Systems
该研究针对风电与电池集成能源系统,指出传统价格接受者模型会高估收益与净现值,提出多尺度优化方法并验证其准确性,强调突破该假设对储能容量配置和技术经济分析的重要性。
2024-10-09 math.OC
The Integrated Size and Price Optimization Problem
针对一个具有多个分店的服装折扣店,提出了规模与价格的集成最优化问题。基于两阶段随机规划模型的追索权,我们开发了一个精确的算法和生产兼容的启发式,产生小的最优性差距。在一项实地研究中,我们发现,供应的分支机构和规模的基础上ISPO解决方案的分布是显着优于一个阶段的优化分配忽略最优定价的可能性。
2014-01-31 math.OC q-fin.GN
Shadow price of information in discrete time stochastic optimization
信息的影子价格在随机最优化中起着核心作用,自从它在70年代中期被Rockafellar和Wets引入以来。本文研究了这一概念的推广形式,并给出了它存在的放松的充分条件。我们允许一般适应的决策策略,这使人们能够建立解决方案的存在性和缺乏一个二元差距,例如在金融数学的各种问题,通常的有界性假设失败。作为应用,我们计算了整泛函的共轭和次微分以及正规被积函数的条件期望。我们还给出了一般动态规划递归的一个对偶形式,它刻画了信息的影子价格。
2016-01-20 math.OC math.PR
A Note on Lerner Index, Cross-Elasticity and Revenue Optimization Invariants
我们研究零售定价模型的一般框架内的变分法的共同属性。特别是,我们观察到,对于任何需求模型,最优的去季节化收入率除以价格弹性是时不变的。我们还得到了一个众所周知的需求价格弹性和勒纳指数之间的逆关系的推广。这些不变性的结果说明了两个对比的例子降价优化和最佳连续补货
2014-02-09 math.OC
A bilevel optimization model for load balancing in mobile networks through price incentives
我们提出了一个模型的激励措施,在大型移动网络中的数据定价,其中运营商希望平衡的连接(活跃用户)的数量的不同类别的用户在不同的细胞,并在不同的时刻,以确保他们有足够的服务质量。我们假设每个用户每天对不同类型的应用程序有给定的总需求,他可以根据自己的移动性、偏好和运营商提出的价格折扣将其分配给不同的时间段和位置。我们表明,这可以被铸造作为一个特殊的结构,使我们能够开发一个多项式时间分解算法,适合于大型网络的双层规划问题。首先,我们确定连接的最佳数量(最大化平衡措施);接下来,我们解决一个逆问题,并确定产生此流量的价格。我们的研究结果利用了最近开发的应用热带几何方法混合拍卖问题,以及算法在离散凸(最小化离散凸函数的意义上的Murota)。最后,我们提出了一个应用程序提供的Orange的真实数据,我们显示了该模型的效率,以减少高峰的拥塞。
2019-01-08 math.OC
Revenue Management Under the Markov Chain Choice Model with Joint Price and Assortment Decisions
寻找最优的产品价格和产品组合是收益管理中的两个基本问题。通常情况下,卖方需要共同确定价格和分类,同时管理容量有限的资源网络。然而,目前还没有一种简单易行的方法来有效地解决这样的问题。现有的研究静态联合优化的价格和品种不能考虑资源约束。然后,我们研究的收益管理问题的资源约束和价格的界限,其中的价格和产品销售需要共同确定随着时间的推移。我们表明,在马尔可夫链(MC)选择模型(它包含了多项罗吉特(MNL)模型),我们可以重新选择为基础的联合最优化问题作为一个易于处理的凸二次曲线最优化问题。我们还证明了一个最优解与一个恒定的价格向量存在,即使资源的约束。此外,当不存在资源约束时,同时具有固定分类和价格向量的解决方案可能是最优的。
2022-04-10 econ.EM math.OC
Elasticity Based Demand Forecasting and Price Optimization for Online Retail
我们研究了一个在线零售商的问题,他们观察产品的单位销售量,并动态地改变零售价格,以最大化预期收入。假设产品的需求对价格敏感,我们感兴趣的是当未来需求不确定时的最优定价政策。我们建立了一个系统来研究零售价格和需求之间的关系,并估计需求函数。该系统预测给定零售价格下的需求和收入。我们制定了一个收入最大化问题,在离散有限的时间范围内离散的零售价格。基于预测的需求和收入值求解最优定价策略。通过计算实验,我们研究了最优定价策略对库存管理的影响。
2021-06-16 cs.CE cs.SY eess.SY
A primal-dual price-optimization method for computing equilibrium prices in mean-field games models
Emory University(埃默里大学);Colorado School of Mines(科罗拉多矿业学院)
本文提出一种拉格朗日原始-对偶梯度算法,用于计算平均场博弈价格形成模型中的均衡价格,利用自动微分技术实现高效灵活的模块化计算,可扩展至高维复杂设置且无需手动推导伴随方程。
2025-09-16 cs.NA econ.TH math.NA
Portfolio optimization in incomplete markets and price constraints determined by maximum entropy in the mean
针对不完全市场中投资组合优化受价格约束的问题,提出用均值最大熵法从买卖价差数据调整扭曲函数以确定资产价格,满足成本约束,数值实验验证了其对组合收益的影响。
2025-07-03 math.OC q-fin.CP q-fin.PM
A Stackelberg Game Approach to Control the Overall Load Consumption of a Residential Neighborhood
提出协调智能体与家庭间的 Stackelberg 博弈及基于 KKT 条件、隐函数定理和梯度下降的分布式定价框架,实现住宅小区负荷整形并优于商业集中式求解。
2023-06-19 math.OC
Reinforcement Learning for Bidding Strategy Optimization in Day-Ahead Energy Market
本文针对日前能源市场,提出基于深度确定性策略梯度的单智能体强化学习方法,在连续动作空间中优化卖方报价曲线,从而最大化个体收益。
2024-11-25 math.OC
Certainty Equivalent and Utility Indifference Pricing for Incomplete Preferences via Convex Vector Optimization
对于不完整的偏好关系,表示由多个先验和/或多个-可能是多变量-效用函数,我们定义了一个确定性等价物,以及效用买卖价格和无差异价格界限的要求集值函数。此外,我们激励和引入的概念,弱和强的确定性等价物。我们将表明,我们的定义包含作为特殊情况下,在文献中发现的一些定义,到目前为止,完全或特殊的不完全偏好。我们证明了单调性和凸性性质的效用购买和出售的价格,持有完全相似的标量无差异价格的属性。我们展示了如何(弱和强)集值确定性等价以及无差异价格界可以计算或近似解决凸向量最优化问题。数值例子和它们的经济解释给出了单变量以及多变量的情况下。
2020-10-07 math.OC q-fin.MF
Constrained Triple-Head Price Optimization (C3PO) Network for Discrete-Choice Models
IBM T.J. Watson Research Center(IBM T.J. Watson研究院)
本文提出一种因果感知基础模型框架,用于离散选择环境中实时最优决策。通过约束三头价格优化网络解决服务提供者选择最优商品组合的问题,同时考虑用户个性化接受或拒绝选择。模型在模拟、合成和真实数据集上表现优异,应用于医疗、招标定价等领域,提升定价KPI。
2026-10-12 cs.LG math.OC
The Price of Feasibility: Greedy Approximation Bounds for String Supermodular Optimization over Oracle-Conditioned Greedoids
University of California Irvine(加州大学尔湾分校);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文研究物理约束下图Greedoid基上的超模最小化问题,提出基于前瞻Oracle的条件顺序贪心算法,推导出可行性代价的闭式近似界,并通过FORWARD算法验证其紧性与权衡。
2026-09-09 math.CO math.OC
Multiple Approximate-Response Agents (MARA): Fast Near-Optimal Primal Recovery for Distributed Optimization
Flatiron Institute(Flatiron研究所);Amazon(亚马逊);Stanford University(斯坦福大学)
本文提出MARA方法,通过并行生成多个近优 primal 响应,快速减少对偶不可行性,提升分布式优化的收敛速度与解的质量。
2026-05-08 math.OC
First order Mean Field Games with density constraints: Pressure equals Price
本文研究了密度约束下的平均场对策系统作为两个对偶最优化问题的最优性条件。该系统的弱解包含一个额外项,即对饱和区施加的额外价格。我们表明,这个价格对应于不可压缩的欧拉方程{à} la Brenier的模型的压力场。通过这一观察,我们设法获得一个最小的规律性,这使得写最优性条件在单代理轨迹的水平,并定义一个弱的概念,我们的模型的纳什均衡。
2016-12-08 math.OC
A Real-Time Balancing Market Optimization with Personalized Prices: From Bilevel to Convex
针对实时平衡市场中聚合商与多产消者的互动,本文提出个性化定价的双层优化并转化为等价凸问题,实现实时低耗时求解,且成本更低、参与产消者更多。
2023-04-27 cs.SY eess.SY math.OC
Data-Driven Inverse Optimization for Marginal Offer Price Recovery in Electricity Markets
本文提出一种数据驱动的逆优化方法,通过建立未知参数与市场出清结果的闭式关系,将边际报价恢复问题转化为单层优化问题求解,并证明了其全局最优解的存在唯一性及鲁棒性。
2023-05-16 cs.SY eess.SY math.OC
Convex Optimization Over Risk-Neutral Probabilities
我们考虑一组衍生品,这些衍生品的价格取决于标的资产在到期日或到期日的价格。不存在套利等价于价格存在风险中性概率分布;特别是,任何风险中性分布都可以被解释为证明不存在套利。我们感兴趣的情况下,有多个风险中性概率。我们描述了一些风险中性价格概率凸集上的凸优化问题。这些包括计算风险中性概率集上的累积分布、VaR、CVaR和其他量的界限。在对标的价格离散化后,这些问题就变成了有限维的凸或拟凸优化问题,因此是容易处理的。我们使用标准普尔500指数和比特币的实物期权和期货定价数据来说明我们的方法。
2020-03-05 math.OC q-fin.CP stat.AP
A Forward Electricity Contract Price Projection: A Market Equilibrium Approach
本文提出了一种基于市场均衡和社会福利最优化的远期电力合同价格预测方法。在该方法中,远期合同的供求是以这样一种方式产生的,即每个代理人(发电机/负荷/交易商)优化其收入/成本的风险调整期望值。当不确定性由离散情景表示时,本文的一个关键结果是合同价格对应于与总代理福利优化相关的线性规划问题中均衡约束的对偶变量。除了计算给定年份的均衡合同价格外,该方法还可用于计算与未来交货期的合同价格相关的概率分布的演变;这是量化远期合同风险的一个重要问题。方法应用的例子介绍和讨论
2019-11-26 math.OC q-fin.PR
Constrained Assortment and Price Optimization under Generalized Nested Logit Models
School of Computing and Information Systems, Singapore Management University(新加坡管理大学计算与信息学学院)
本文提出了一种在广义嵌套Logit模型下精确且近精确的算法,用于解决受限组合与联合组合-定价优化问题,显著提升了解的质量和可扩展性。
2025-12-25 econ.GN math.OC q-fin.EC
The Price of Adaptivity in Stochastic Convex Optimization
本文证明了非光滑随机凸优化中自适应的不可能性结果,定义了“自适应代价”(PoA)来衡量参数不确定性导致的次优性乘性增加,并给出了在距离或梯度范数不确定时PoA的下界,几乎匹配现有上界。
2024-06-27 cs.LG math.OC stat.ML
Non-linear shrinkage of the price return covariance matrix is far from optimal for portfolio optimisation
投资组合优化需要能够滤除估计噪声的复杂协方差估计器。非线性收缩是一种流行的估计器,它基于如何仅使用校准窗口中的数据计算Oracle特征值。与通常的看法相反,NLS对于投资组合优化不是最优的,因为当资产依赖结构是非平稳的时,NLS不能最小化正确的成本函数。相反,我们得出最佳目标。使用历史数据,我们量化了NLS可以改进的程度。我们的研究结果重新打开了如何建立协方差矩阵估计的投资组合优化在现实条件下的问题。
2022-10-13 math.OC q-fin.PM q-fin.ST
Contextual Reserve Price Optimization in Auctions via Mixed-Integer Programming
Rice University(莱斯大学);University of Chicago(芝加哥大学);Google Research(谷歌研究院)
我们研究的问题,学习线性模型设置拍卖底价,给定的上下文信息,以最大限度地提高卖方的预期收入。首先,我们表明,这是不可能解决这个问题,在多项式时间,除非\emph{Exponential Time Hypothesis}失败。其次,我们提出了一个强混合整数规划(MIP)制定这个问题,这是能够准确地建模的非凸和不连续的预期报酬函数。此外,我们表明,这种MIP配方是理想的(即最强的可能配方)的收入函数的一个单一的印象。由于它可以是计算昂贵的,以准确地解决MIP配方在实践中,我们还研究了其线性规划(LP)松弛的性能。虽然它可能在实践中工作得很好,我们表明,不幸的是,在最坏的情况下,LP松弛的最佳目标可以是O(样本个数)倍大于真正的问题的最佳目标。最后,我们提出了计算结果,显示MIP配方,随着其LP松弛,能够实现优越的在和出的样本性能,相比,国家的最先进的算法在真实和合成数据集。更广泛地说,我们相信这项工作提供了一个指标的优化方法,如MIP的强度,以准确地模拟机器学习问题中的内在不连续性。
2020-11-13 cs.LG math.OC
The Exponential Price of Determinism in Nonsmooth Nonconvex Optimization
本研究证明确定性算法在非光滑非凸优化中寻找Goldstein稳定点的复杂度至少为(1/ε)^Ω(d),而随机算法可达到维度无关复杂度,从而揭示随机化带来的指数级计算优势。
2026-09-22 cs.LG math.OC
Optimization of frequency quantization
我们得到的功能定义的价格和质量的样本读数的广义速度。它示出的最佳采样频率,在最小化的功能质量和价格的意义上取决于采样的上截止频率的模拟信号的广义坐标测量的广义速度的顺序,模拟输入滤波器的频率特性和最大采样率的模数转换器(ADC)。计算具有输入RC滤波器的双层ADC的频率量化的示例。
2011-10-27 cs.SD math.OC
Allocation of Fungible Resources via a Fast, Scalable Price Discovery Method
我们考虑分配或分配资源给一组工作的问题。我们考虑的情况下,资源是可互换的,也就是说,工作可以用任何混合的资源,但不同的效率。在我们的公式中,我们最大限度地提高总效用的资源使用,这是一个凸优化问题,所以是听话的限制。在本文中,我们开发了一个自定义的,可并行化的算法来解决资源分配问题,规模大的问题,数百万的工作。我们的算法是基于对偶问题,其中与资源使用限制相关的对偶变量可以解释为资源价格。我们的方法在每次迭代中更新资源价格,最终发现最优资源价格,从中获得最优分配。我们提供了我们方法的开源实现,它可以在几秒钟内在CPU上解决数百万个作业的问题,在GPU上不到一秒钟;我们的软件可以在毫秒内解决较小的问题。在大型问题上,我们的实现比凸优化的数学求解器快三个数量级。
2021-04-18 cs.DC math.OC
Assortment Optimization Under the Multivariate MNL Model
我们研究了一个多购买选择模型下的产品组合优化问题,在该模型中,客户从两个产品类别中选择一个产品。不同的捆绑产品具有不同的效用,捆绑产品的价格是捆绑产品价格之和,对于无容量限制的情形,即任何一组产品都可以被提供,我们证明了该问题是强NP-困难的。我们表明,调整后的收入有序的品种提供了1/2近似。此外,我们开发了一个近似框架的基础上的线性规划松弛的问题,并获得了0.74-近似算法。这个近似比几乎匹配的线性规划的完整性差距,这被证明是最多为0.75。对于容量限制的设置,我们证明了不存在一个常数因子的近似算法假设指数时间假设。相同的硬度结果适用于具有一般捆绑价格或两个以上类别的设置。最后,我们对随机生成的问题实例进行了数值实验。我们的算法的平均近似率超过99%。
2022-10-10 cs.DS math.OC
Fast Revenue Maximization
Columbia University(哥伦比亚大学);Columbia University, Graduate School of Business(哥伦比亚大学商学院);NYU Stern School of Business(纽约大学斯特恩商学院)
本文研究了基于数据的定价问题,通过有限历史价格数据确定单个物品的价格,量化信息价值并指导高效定价实验。核心方法是将无限维问题转化为一维优化问题,提供有保证的定价策略,并展示在动态定价中如何减少实验次数。
2026-05-15 cs.GT math.OC stat.AP
Joint optimization of sales-mix and generation plan for a large electricity producer
本文提出了一个典型的大型发电商的管理问题(即,他可以部分影响市场价格)。特别是,他通常需要决定他这一代人中有多少人更愿意承诺固定价格的双边合同(例如,期货或现货市场。然而,他还需要计划如何在他控制的不同工厂之间分配生产。这两个决定,即销售组合和发电计划,自然地相互作用,因为影响现货价格的机会取决于生产者在现货市场上投放的能量的数量。我们开发了一个风险管理问题,因为我们考虑了一个最优化问题,结合了生产商利润函数的期望值和条件风险值之间的权衡。不确定性的来源相对较大,包括需求、可再生能源发电和传统电厂的燃料成本。我们还内生模型的期货价格的方式反映了一个大的电力生产商的信息优势。特别是,假设市场以一种天真的方式预测期货价格,即不预测大型生产商对现货市场的影响。本文提供了一个MILP制定的问题,并分析了解决方案,通过模拟西班牙电力市场数据的基础上。
2021-10-04 econ.GN math.OC q-fin.EC
Prediction-based One-shot Dynamic Parking Pricing
Yonsei University(延世大学);University of California San Diego(加州大学圣地亚哥分校)
美国许多大城市因停车位严重短缺而臭名昭著。为此,我们提出了一个主动预测驱动的优化框架,以动态调整停车价格。我们使用最先进的深度学习技术,如神经常微分方程(NODE),在给定历史占用率和价格信息的情况下,设计未来停车场占用率预测模型。此外,由于NODE的连续和双射特性,我们设计了一种一次性价格优化方法,该方法只需要一次迭代即可找到最优解。换句话说,我们优化了预训练预测模型的价格输入,以实现停车场的目标占用率。我们用在旧金山和西雅图收集的数据进行了多年的实验。我们的预测模型与各种时间或时空预测模型相比,显示出最好的准确性。我们的一次性优化方法在搜索时间方面大大优于其他黑盒和白盒搜索方法,并且总是返回最优价格解决方案。
2022-08-30 cs.AI cs.LG math.OC
Revenue Optimization with Price-Sensitive and Interdependent Demand
École polytechnique(巴黎政治学院)
本文针对直飞航班机票销售,在给定需求数据和价格选项的前提下,通过优化定价和数量决策来最大化航班收入。
2025-05-22 cs.LG math.OC
Portfolio Optimization and Model Predictive Control: A Kinetic Approach
在本文中,我们引入了一个大的系统中的相互作用的金融代理人,每个代理人都面临着如何分配他的资本之间的风险股票或风险较低的债券的决策。投资者的投资决策,通过优化,驱动股票价格。该模型受到经济物理学Levy-Levy-Solomon模型(Economics Letters,45)的启发。这项工作的目标是深入了解股票价格和财富分配。我们特别想找出金融数据中幂律现象出现的原因。我们遵循类似于(D.马尔达雷拉湖Pareschi,Physica A,391),并推导出我们的微观代理动力学的平均场极限。我们的方法的新颖之处在于,金融代理人应用模型预测控制(MPC)来近似和解决其效用函数的优化。有趣的是,MPC方法在两个对立的经济概念之间建立了数学联系,即将金融代理建模为理性或有限理性。此外,据我们所知,这是第一个同时考虑财富和股票价格分布的动态投资组合模型。由于我们的动力学方法,我们可以在介观水平上研究财富和价格分布。财富分布的特点是对数正态分布。对于股票价格分布,我们可以观察到对数正态行为的长期投资者或幂律的情况下,高频交易者。此外,股票收益率数据表现出厚尾,这是真实金融数据的公知特征。
2019-02-19 math.AP math.OC q-fin.PM
Optimization-friendly generic mechanisms without money
Princeton University(普林斯顿大学)
本文的目标是开发一个通用的框架,用于将现代优化算法转换为输入来自自利代理的机制。我们专注于在没有钱的情况下聚合$n$玩家的偏好。此设置的特殊情况包括投票、通过抽签分配项目和匹配。我们的关键技术贡献是一个新的元算法,我们称之为\apex(自适应定价消除外部性)。该框架足够通用,可以与任何基于局部搜索的优化算法相结合。我们概述了一个议程,研究算法的性能及其应用。作为将该框架应用于彩票单边分配问题的一个特例,我们得到了Hylland和Zeckhauser在1979年关于通过平等收入竞争均衡(CEEI)进行分配的结果的加强。[HZ 79]的结果假定存在一个(分数)分配和一组物品价格,使得分配是给定价格的竞争均衡。我们进一步表明,总是有一个重新权衡的球员的效用值,使运行单位需求VCG与重新加权的效用导致HZ均衡价格。有趣的是,并非所有HZ竞争均衡都来自VCG价格。作为我们证明的一部分,我们只使用Brouwer不动点定理(而不是更一般的Kakutani定理)重新证明了[HZ 79]的结果。这可能是独立的利益。
2021-06-14 cs.DS cs.GT cs.LG
Optimal Portfolio Selection under Concave Price Impact
本文研究了在瞬时价格冲击下的最优投资组合问题。基于文献中的一些实证分析,当交易规模较小时,我们将这种影响建模为交易规模的凹函数。价格影响可以被认为是一种流动性成本或交易成本,但成本的非对称性导致了与现有文献中的一些根本性差异。我们发现,该问题可以减少到一个脉冲控制问题,但没有固定的成本,价值函数是一个特殊类型的拟变分不等式(QVI)的黏性解。我们还直接证明(不使用QVI的解决方案),最优策略存在,更重要的是,尽管没有固定成本,它仍然是一个“分段常数”的形式,反映了一个更实际的角度。
2012-12-19 math.OC math.PR
Profit Maximization for Online Advertising Demand-Side Platforms
我们开发了一个最优化模型和相应的算法的需求方平台(DSP)的管理,从而DSP的目标是最大限度地提高自己的利润,同时获得有价值的印象,为广告客户。我们制定的利润最大化的DSP与广告交易所在实时招标环境中的每次点击成本/每次行动成本定价模型的问题。我们提出的公式导致一个非凸的最优化问题,由于联合优化的印象分配和投标价格的决定。我们使用拉格朗日松弛开发一个易于处理的凸对偶问题,其中,由于第二价格拍卖的属性,可以有效地解决次梯度方法。我们提出了一个两阶段的解决方案的过程中,在第一阶段,我们解决了凸对偶问题,使用次梯度法,并在第二阶段,我们使用以前计算的对偶解,以设置投标价格,然后解决一个线性最优化问题,以获得分配概率变量。在几个合成的例子中,我们证明了我们提出的解决方案的方法,导致优越的性能在实践中使用的基线方法。
2017-06-06 cs.GT math.OC
Optimal pricing for electricity retailers based on data-driven consumers' price-response
在目前的工作中,我们解决的问题,找到最优的价格关税由一个风险厌恶的电力零售商参与的游泳池,其客户是价格敏感的。我们假设零售商可以访问足够大的智能电表数据集,从中可以统计地描述其客户的电价和需求负荷之间的关系。分析了三种不同的模型,以预测作为电价和其他参数(如湿度或温度)的函数的总负荷。更具体地说,我们训练线性回归(预测)模型来预测作为零售价格的函数的最终需求负荷。然后,我们将把这个模型插入到一个二次最优化问题中,该问题评估要提供的最优价格。这个最优化问题考虑了不同来源的不确定性,包括消费者的反应,联营体价格和可再生能源的可用性,并依赖于一个随机和风险规避的制定。特别是,这项工作的一个重要贡献是根据产生的预测模型的统计特性的情况下生成和减少程序。这使我们不仅可以正确地量化(数据驱动)期望值,还可以量化与主要问题参数相关的不确定性水平。此外,我们认为这两个标准的远期合同和最近推出的购电协议合同作为零售商的风险对冲工具。结果是有希望的利润,发现零售商具有高度竞争力的价格和一些可能的改进,如果更丰富的数据集可以在未来。通过一个真实的案例研究和多个灵敏度分析来描述零售商在考虑价格敏感消费者时的风险规避行为。
2022-02-08 econ.GN math.OC q-fin.EC
Portfolio optimization in a default model under full/partial information
在本文中,我们考虑了一个金融市场的资产暴露于一些风险,导致资产价格的跳跃,并仍然可以在违约时间后进行交易。我们使用的违约强度建模方法,并解决在这个不完整的市场背景下,从终端财富的对数,幂和指数效用函数的最大化的期望效用的问题。我们将此问题作为完全信息和部分信息下的随机控制问题来研究。我们的贡献在于表明,最优策略可以通过对数效用函数的直接方法获得,并且幂效用函数的值函数可以确定为倒向随机微分方程的最小解。对于部分信息的情况下,我们展示了如何将问题分为两个问题:过滤问题和优化问题。我们还研究了不完全市场中未定权益价格的无差异定价方法和具有内部人信息的代理人的信息价格。
2013-11-21 math.OC q-fin.CP q-fin.PM
Joint Routing and Charging Problem of Electric Vehicles with Incentive-aware Customers Considering Spatio-temporal Charging Prices
本文研究了电动汽车车队的调度问题,提供移动性作为一种服务,一组时间指定的客户,运营商需要解决的路由和充电问题,共同为每个EV。因此,我们认为激励意识的客户,并建议运营商提供货币激励客户,以换取时间的灵活性。通过这种方式,车队运营商可以以较低的成本实现路由和充电计划,同时客户可以获得灵活性的货币补偿。具体而言,我们首先提出了一个双层最优化模型,车队运营商优化的路由和充电时间表占时空变化的收费价格,与金钱激励,以偿还交付时间的灵活性所经历的客户。同时,客户通过最小化自己的成本来选择自己的时间灵活性。其次,我们应付来自这个非线性双层最优化模型的计算负担与精确的重新制定的方法组成的KKT最优性条件,基于大M的线性化方法,和零对偶间隙的凸优化问题。这样,我们将所提出的问题转化为一个单级的最优化问题,它可以解决一个加强的广义Benders分解方法持有更快的收敛速度比广义Benders分解方法。为了评估所提出的数学模型的有效性,我们进行了大量的模拟实验,使用比利时的VRP-REP数据。数值结果表明,所提出的数学模型可以减少客户的交付费用以及车队运营商的运营成本。
2022-05-26 cs.SY eess.SY math.OC
Cooperative Learning for P2P Energy Trading via Inverse Optimization and Interval Analysis
对等(P2P)能源系统最近已成为将可再生能源和分布式能源资源整合到能源网中以减少碳排放的一种有前途的方法。然而,市场出清能源价格和金额,解决最佳的P2P能源管理问题,可能不会令人满意的同行/代理。这是因为对等体/代理在实践中不知道在参与P2P能量市场时如何设置它们的代价函数参数。为了解决这个问题,本文提出了一种新的方法,其中逆优化问题制定的对等体/代理合作学习选择他们的目标函数参数,给定他们的期望的能源价格和数量的区间。其结果是,对等体/代理可以设置他们的目标函数参数的区间分析计算从他们的能量价格和量的下限和上限,如果他们的最大总购买和销售能量量的比率位于一定的区间内,由他们学习。最后通过实例验证了该方法的有效性。
2021-11-02 cs.SY eess.SY math.OC
Optimization problem and mean variance hedging on defaultable claims
本文研究了两个企业A和B的违约时间对索赔风险的定价和套期保值问题。事实上,我们假设,在市场上,我们不能买卖公司B的任何可违约债券但我们只能交易公司A的可违约债券我们的目标是找到最好的价格和对冲债券只使用公司A。因此,我们解决这个问题在两种情况下:首先在马尔可夫框架中使用无差别价格和解决一个系统的哈密顿-雅可比-贝尔曼方程,其次,在一个更一般的框架中,使用均值方差对冲方法和解决倒向随机微分方程(BERK)。
2012-09-26 math.OC math.PR q-fin.PR