航线网络中非参数需求非限化估计的MM算法

尽管非参数离散选择模型可灵活地对航线网络替代效应和顾客策略行为进行建模,但其在历史顾客初始需求非限化估计中的应用会受到顾客到达过程分布假设的影响。为提高精确度,针对基于顾客偏好排序列表的网络型非参数离散选择模型,使用泊松分布对航线网络中短视型和策略型顾客需求的到达过程进行描述,并提出MM算法对泊松到达率和偏好排序概率质量函数进行联合估计。考虑到似然函数的非凹性,将极大似然估计问题重构为凹差(DC)规划问题,并应用凹-凸过程(CCCP)算法和Frank-Wolfe(F-W)算法对具有收敛性特征的凹优化问题进行求解。最后,通过数值模拟对所提方法的有效性和准确性进行了比较分析。结果表明,在综合考虑网络替代效应、顾客策略行为和模型需求分布假设等因素的情况下,本文所提方法相较于现有方法能够更加有效地控制非限化估计误差,避免对历史顾客初始需求的高估。

航线网络需求非限化估计中的策略行为发现算法

已有的优化类行为发现算法研究仅涉及短视型顾客,未考虑网络环境下的顾客策略行为。针对现有基于顾客偏好排序列表的网络型非参数离散选择模型,提出了考虑策略型顾客的偏好行为发现启发式算法。从定义顾客类型初始集和备选集开始,描述了受到顾客类型数量限制的模型参数极大似然联合估计问题,并通过广义拉格朗日函数将其转化为无约束问题,利用拉格朗日函数及其对偶函数梯度的性质确定顾客类型筛选条件。数值模拟表明,所提启发式算法能反映出顾客需求的网络替代效应,迭代并自动地生成符合筛选条件的短视型和策略型顾客偏好排序列表,其行为发现计算过程无须求解NP难问题,能更加有效地避免需求非限化估计过程对历史顾客初始需求的高估。