考虑策略型消费者的高斯过程回归动态定价算法
来源：计算机应用与软件杂志2024年第2期北京时间：
作者：毕文杰, 陈美芳
摘要：现有需求不确定下的动态定价算法鲜有考虑消费者策略行为的。将零售商的价格决策过程描述为一个多摇臂（Multi-Armed Bandit，MAB）问题，提出一种非参数贝叶斯算法。将高斯过程回归与汤普森抽样算法相结合，并加入策略型消费者购买决策过程，帮助零售商进行价格决策。仿真结果表明，该算法能有效提高零售商收益，收敛速度更快。此外，策略型消费者的存在可以改善需求学习算法的性能，降低由于需求不确定性导致的零售商收益损失。
关键词：高斯过程回归, 动态定价, 策略型消费者, 机器学习
