論文の概要: A Framework for Multi-stage Bonus Allocation in meal delivery Platform
- arxiv url: http://arxiv.org/abs/2202.10695v1
- Date: Tue, 22 Feb 2022 06:52:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-24 02:10:16.942787
- Title: A Framework for Multi-stage Bonus Allocation in meal delivery Platform
- Title（参考訳）: 食事配送プラットフォームにおける多段階ボーナス割り当ての枠組み
- Authors: Zhuolin Wu, Li Wang, Fangsheng Huang, Linjun Zhou, Yu Song, Chengpeng
Ye, Pengyu Nie, Hao Ren, Jinghua Hao, Renqing He, Zhizhao Sun
- Abstract要約: 食事提供プラットフォームにおける多段階のボーナスアロケーション問題に対処する枠組みを提案する。
提案するフレームワークは,半ブラックボックスの受け入れ確率モデル,ラグランジアンデュアルベース動的プログラミングアルゴリズム,オンラインアロケーションアルゴリズムから構成される。
その結果,提案手法を用いることで,全体の注文キャンセルを25%以上削減できることがわかった。
- 参考スコア（独自算出の注目度）: 14.64089765133449
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online meal delivery is undergoing explosive growth, as this service is
becoming increasingly popular. A meal delivery platform aims to provide
excellent and stable services for customers and restaurants. However, in
reality, several hundred thousand orders are canceled per day in the Meituan
meal delivery platform since they are not accepted by the crowd soucing
drivers. The cancellation of the orders is incredibly detrimental to the
customer's repurchase rate and the reputation of the Meituan meal delivery
platform. To solve this problem, a certain amount of specific funds is provided
by Meituan's business managers to encourage the crowdsourcing drivers to accept
more orders. To make better use of the funds, in this work, we propose a
framework to deal with the multi-stage bonus allocation problem for a meal
delivery platform. The objective of this framework is to maximize the number of
accepted orders within a limited bonus budget. This framework consists of a
semi-black-box acceptance probability model, a Lagrangian dual-based dynamic
programming algorithm, and an online allocation algorithm. The semi-black-box
acceptance probability model is employed to forecast the relationship between
the bonus allocated to order and its acceptance probability, the Lagrangian
dual-based dynamic programming algorithm aims to calculate the empirical
Lagrangian multiplier for each allocation stage offline based on the historical
data set, and the online allocation algorithm uses the results attained in the
offline part to calculate a proper delivery bonus for each order. To verify the
effectiveness and efficiency of our framework, both offline experiments on a
real-world data set and online A/B tests on the Meituan meal delivery platform
are conducted. Our results show that using the proposed framework, the total
order cancellations can be decreased by more than 25\% in reality.
- Abstract（参考訳）: オンラインの食事デリバリーは爆発的な成長を遂げており、このサービスはますます人気が高まっている。
食事配達プラットフォームは、顧客やレストランに優れた安定したサービスを提供することを目的としている。
しかし実際には、ドライバーを誘導する群衆に受け入れられないため、Meituanの食事配達プラットフォームでは1日数十万台の注文がキャンセルされている。
注文の取り消しは、顧客の再購入率と、マイトゥタンの食事配達プラットフォームの評判に極めて有害である。
この問題を解決するために、Meituanのビジネスマネージャが特定の資金を一定の量提供し、クラウドソーシングドライバーがより多くの注文を受け入れるように促している。
そこで本研究では,食事配送プラットフォームにおける多段階ボーナス割り当て問題に対処するための枠組みを提案する。
この枠組みの目的は、限られたボーナス予算内での受注数を最大化することである。
このフレームワークは、半ブラックボックスの受け入れ確率モデル、ラグランジアンデュアルベース動的プログラミングアルゴリズム、オンラインアロケーションアルゴリズムで構成されている。
半ブラックボックス受入確率モデルは、順番に割り当てられたボーナスとその受入確率の関係を予測するために用いられ、ラグランジアン双対ベースの動的プログラミングアルゴリズムは、履歴データセットに基づいて各割当段階における経験的ラグランジアン乗数をオフラインで計算することを目的としており、オンライン割当アルゴリズムは、オフライン部で得られた結果を用いて、順番ごとに適切な配送ボーナスを計算する。
本フレームワークの有効性と効率性を検証するため,実世界のデータセット上でのオフライン実験と,meituan食配信プラットフォーム上でのオンラインa/bテストを行った。
その結果,提案手法を用いることで,全注文キャンセルを25%以上削減できることがわかった。
関連論文リスト
- Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。
我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
論文 参考訳（メタデータ） (2024-11-20T18:06:55Z) - End-to-End Cost-Effective Incentive Recommendation under Budget Constraint with Uplift Modeling [12.160403526724476]
本稿では,予算制約下でのエンド・ツー・エンド・エンド・コスト・エフェクティブ・インセンティブ・レコメンデーション(E3IR)モデルを提案する。
具体的には、アップリフト予測モジュールと微分可能なアロケーションモジュールの2つのモジュールから構成される。
E3IRは既存の2段階アプローチに比べてアロケーション性能が向上する。
論文 参考訳（メタデータ） (2024-08-21T13:48:00Z) - A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。
各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。
実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
論文 参考訳（メタデータ） (2024-07-08T09:55:31Z) - Automating Food Drop: The Power of Two Choices for Dynamic and Fair Food Allocation [51.687404103375506]
私たちはインディアナ州の非営利組織とパートナーし、EmphFood Dropというプログラムを率いています。
このパートナーシップの目標は、Food Dropを完全に自動化することにあります。
そのためには、食品を受け取った食品銀行の公正性の確保と、トラック運転手の効率の最適化を両立させるために、リアルタイムな意思決定を行うためのマッチングアルゴリズムが必要である。
論文 参考訳（メタデータ） (2024-06-10T15:22:41Z) - Cloud Kitchen: Using Planning-based Composite AI to Optimize Food Delivery Processes [0.0]
本稿では,食品デリバリーを行うレストランの意思決定ツールとして,Cloud Kitchenプラットフォームを提案する。
プラットフォームには、レストランやシミュレーターと通信するためのインターフェースを提供するTechnology-Specific Bridge (TSB) が含まれている。
当社のプラットフォームによる意思決定は,現実の過去のデータセットを用いて,納品の遅れを減らすことで,顧客満足度を向上させることができることを示す。
論文 参考訳（メタデータ） (2024-02-16T14:31:33Z) - Multi-Agent Learning of Efficient Fulfilment and Routing Strategies in
E-Commerce [11.421159751635667]
電子商取引における製品配送コストを最小化するための統合的アルゴリズムフレームワークを提案する。
電子商取引における大きな課題の1つは、複数の顧客からの時間的に多様な注文が大量にあることだ。
本稿では,グラフニューラルネットワークと強化学習を組み合わせたノード選択と車両エージェントの学習手法を提案する。
論文 参考訳（メタデータ） (2023-11-20T10:32:28Z) - DeliverAI: Reinforcement Learning Based Distributed Path-Sharing Network
for Food Deliveries [1.474723404975345]
既存の食品の配送方法は、各配送が個別に最適化され、最も短い時間経路で生産者から直接消費者に届けられるため、準最適である。
強化学習に基づくパス共有アルゴリズムであるDeliverAIを提案する。
以上の結果から,DeliverAIは配送船の規模を12%減らし,走行距離を13%減らし,ベースラインに比べて50%高い艦隊利用率を達成することができた。
論文 参考訳（メタデータ） (2023-11-03T16:23:22Z) - Learning Multi-Agent Intention-Aware Communication for Optimal
Multi-Order Execution in Finance [96.73189436721465]
まず,現実的な制約を考慮したマルチオーダー実行のためのマルチエージェントRL(MARL)手法を提案する。
本稿では,学習可能なマルチラウンド通信プロトコルを提案する。
2つの実世界の市場のデータに関する実験では、優れたパフォーマンスを示し、コラボレーションの有効性が著しく向上した。
論文 参考訳（メタデータ） (2023-07-06T16:45:40Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳（メタデータ） (2022-04-16T12:03:52Z) - Meta-Learning the Search Distribution of Black-Box Random Search Based
Adversarial Attacks [62.769451246845065]
ランダム化探索方式に基づく敵攻撃は,ブラックボックスのロバスト性評価において最先端の結果を得た。
本研究では,攻撃時に得られた情報に基づいて提案分布をオンラインに適応させることにより,この問題に対処する方法について検討する。
論文 参考訳（メタデータ） (2021-11-02T16:28:08Z) - The Best of Many Worlds: Dual Mirror Descent for Online Allocation
Problems [7.433931244705934]
本稿では,意思決定者に対して未知の入力モデルを用いて,各要求に対する報酬とリソース消費を生成するデータ駆動型設定について考察する。
様々な入力モデルにおいて,どの入力に直面するかを知ることなく,優れた性能が得られるアルゴリズムの一般クラスを設計する。
我々のアルゴリズムはラグランジアン双対空間で動作し、オンラインミラー降下を用いて更新される各リソースに対して双対乗算器を保持する。
論文 参考訳（メタデータ） (2020-11-18T18:39:17Z)
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。