論文の概要: Marketing Mix Optimization with Practical Constraints
- arxiv url: http://arxiv.org/abs/2101.03663v1
- Date: Mon, 11 Jan 2021 02:10:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 14:33:36.318370
- Title: Marketing Mix Optimization with Practical Constraints
- Title(参考訳): 実践的制約によるマーケティングミックス最適化
- Authors: Hsin-Chan Huang and Jiefeng Xu and Alvin Lim
- Abstract要約: 我々は,多くの業界でよく見られるmarketing mix optimization(mmo)問題の変種について論じる。
産業環境における現実的な問題の大きさを考えると、最先端の整数プログラミングソルバは最適性に問題を解くことができないかもしれません。
計算負荷を軽減するための体系的な改革を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we address a variant of the marketing mix optimization (MMO)
problem which is commonly encountered in many industries, e.g., retail and
consumer packaged goods (CPG) industries. This problem requires the spend for
each marketing activity, if adjusted, be changed by a non-negligible degree
(minimum change) and also the total number of activities with spend change be
limited (maximum number of changes). With these two additional practical
requirements, the original resource allocation problem is formulated as a mixed
integer nonlinear program (MINLP). Given the size of a realistic problem in the
industrial setting, the state-of-the-art integer programming solvers may not be
able to solve the problem to optimality in a straightforward way within a
reasonable amount of time. Hence, we propose a systematic reformulation to ease
the computational burden. Computational tests show significant improvements in
the solution process.
- Abstract(参考訳): 本稿では,小売・消費者パッケージ商品(CPG)産業など,多くの産業でよく見られるマーケティングミックス最適化(MMO)問題に対処する。
この問題は、調整された場合、各マーケティング活動の費用を、不要な程度(最小変更)で変更することと、支出変化を伴う活動の総数(最大変更数)を制限することを必要とする。
これら2つの追加の実用要件により、元のリソース割り当て問題は混合整数非線形プログラム(MINLP)として定式化される。
産業環境における現実的な問題の大きさを考えると、最先端の整数型プログラミングソルバは、適度な時間内に、簡単な方法で最適性の問題を解くことができないかもしれない。
そこで我々は,計算負担を軽減するための体系的な改革を提案する。
計算テストでは、ソリューションプロセスが大幅に改善されている。
関連論文リスト
- Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳(メタデータ) (2023-11-13T13:19:34Z) - Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。
汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。
我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
論文 参考訳(メタデータ) (2023-10-10T01:39:04Z) - Diversifying Investments and Maximizing Sharpe Ratio: a novel QUBO
formulation [0.0]
本稿では,記述されたタスクに対する新しいQUBOの定式化を提案し,数学的詳細と必要な仮定を提供する。
我々は、利用可能なQUBOソルバを用いて結果を得るとともに、この用語で大規模な問題に対処するハイブリッドアプローチの振る舞いについて議論する。
論文 参考訳(メタデータ) (2023-02-23T19:15:44Z) - Multiobjective variational quantum optimization for constrained
problems: an application to Cash Management [45.82374977939355]
本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。
我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。
実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
論文 参考訳(メタデータ) (2023-02-08T17:09:20Z) - Learning Adaptive Evolutionary Computation for Solving Multi-Objective
Optimization Problems [3.3266268089678257]
本稿では, 深層強化学習(DRL)を用いた適応パラメータ制御とMOEAを統合したフレームワークを提案する。
DRLポリシは、最適化中のソリューションに対する突然変異の強度と確率を決定する値を適応的に設定するように訓練されている。
学習されたポリシーは転送可能であることを示す。つまり、単純なベンチマーク問題で訓練されたポリシーは、複雑な倉庫最適化問題を解決するために直接適用可能である。
論文 参考訳(メタデータ) (2022-11-01T22:08:34Z) - A Framework for Inherently Interpretable Optimization Models [0.0]
何十年も前に難解だった大規模な問題の解決は、今や日常的な課題である。
1つの大きな障壁は、最適化ソフトウェアがブラックボックスとして認識できることである。
本稿では、本質的に理解しやすい説明規則を持つ解を導出する最適化フレームワークを提案する。
論文 参考訳(メタデータ) (2022-08-26T10:32:00Z) - Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds
Global Optima [114.31577038081026]
本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。
設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。
このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
論文 参考訳(メタデータ) (2021-10-04T06:53:59Z) - Knowledge engineering mixed-integer linear programming: constraint
typology [2.4002205752931625]
混合整数線形プログラムMILPの制約型について検討する。
milpは、実生活のスケジューリング、ルーティング、計画、リソース割り当て、時間的最適化問題のモデリングと解決によく使われる数学的プログラミング手法である。
論文 参考訳(メタデータ) (2021-02-20T20:07:24Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳(メタデータ) (2021-02-16T06:04:27Z) - Boosting Data Reduction for the Maximum Weight Independent Set Problem
Using Increasing Transformations [59.84561168501493]
最大重み独立集合問題に対する新しい一般化データ削減および変換規則を導入する。
驚くべきことに、これらのいわゆる増進変換は問題を単純化し、還元空間を開き、アルゴリズムの後にさらに小さな既約グラフが得られる。
提案アルゴリズムは, 1つのインスタンスを除くすべての既約グラフを計算し, 従来よりも多くのインスタンスを最適に解き, 最高の最先端解法よりも最大2桁高速に解き, 解法DynWVCやHILSよりも高品質な解を求める。
論文 参考訳(メタデータ) (2020-08-12T08:52:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。