論文の概要: Revenue vs. Welfare: A Comprehensive Analysis of Strategic Trade-offs in Online Food Delivery Systems

• arxiv url: http://arxiv.org/abs/2410.16566v2
• Date: Thu, 13 Feb 2025 15:13:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:45:52.420130
• Title: Revenue vs. Welfare: A Comprehensive Analysis of Strategic Trade-offs in Online Food Delivery Systems
• Title（参考訳）: 収益対福祉:オンラインフードデリバリーシステムにおける戦略的トレードオフの包括的分析
• Authors: Yukun Zhang, Qi Dong,
• Abstract要約: 本稿では,オンラインフードデリバリープラットフォームにおける短期収益創出と長期社会福祉最適化のトレードオフについて検討する。 動的プログラミング手法を適用することにより、GMVと社会福祉強化のバランスをとる最適な戦略を導出する。
• 参考スコア（独自算出の注目度）: 4.084134914321567
• License:
• Abstract: This paper investigates the trade-off between short-term revenue generation and long-term social welfare optimization in online food delivery platforms. We first develop a static model that captures the equilibrium interactions among restaurants, consumers, and delivery workers, using Gross Merchandise Value (GMV) as a proxy for immediate performance. Building on this, we extend our analysis to a dynamic model that integrates evolving state variables,such as platform reputation and participant retention-to capture long-term behavior. By applying dynamic programming techniques, we derive optimal strategies that balance GMV maximization with social welfare enhancement. Extensive multi-agent simulations validate our theoretical predictions, demonstrating that while a GMV-focused approach yields strong initial gains, it ultimately undermines long-term stability. In contrast, a social welfare-oriented strategy produces more sustainable and robust outcomes. Our findings provide actionable insights for platform operators and policymakers seeking to harmonize rapid growth with long-term
• Abstract（参考訳）: 本稿では,オンラインフードデリバリープラットフォームにおける短期収益創出と長期社会福祉最適化のトレードオフについて検討する。 まず,レストラン,消費者,宅配労働者間の平衡関係を推定する静的モデルを構築し,Gross Merchandise Value (GMV) を即時パフォーマンスのプロキシとして用いた。 これに基づいて、我々は、プラットフォーム評価や参加者保持のような進化する状態変数を統合する動的モデルに分析を拡張し、長期的な振る舞いを捉えます。 動的プログラミング手法を適用することにより、GMVの最大化と社会福祉強化のバランスをとる最適な戦略を導出する。 大規模なマルチエージェントシミュレーションは我々の理論予測を検証し、GMVに焦点を当てたアプローチは強い初期利得をもたらすが、最終的には長期的な安定性を損なうことを示した。 対照的に、社会福祉指向の戦略はより持続的で堅牢な結果を生み出す。 我々の発見は、プラットフォーム運営者や政策立案者にとって、長期的な急速な成長と調和を図るための実用的な洞察を提供する。

関連論文リスト

• Evaluating Supply Chain Resilience During Pandemic Using Agent-based Simulation [0.8158530638728501]
  将来のパンデミックは、短期的な利益性と長期的なサプライチェーンのレジリエンス計画の間に、企業オーナーのジレンマを生じさせる。 本稿では,サセプティブル・インフェクト・リカバード(SIR)疫学モデルとサプライ・アンド・デマンド・エコノミーモデルを統合したエージェント・ベース・シミュレーションモデルを提案する。 サプライチェーンのレジリエンスに対するバランスの取れたアプローチは、パンデミック時と非パンデミック時の両方において、極端な戦略よりも優れていることが分かりました。
  論文  参考訳（メタデータ） (2024-05-13T18:32:28Z)
• Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
  GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。 最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。 道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T15:59:16Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Financial Time-Series Forecasting: Towards Synergizing Performance And Interpretability Within a Hybrid Machine Learning Approach [2.0213537170294793]
  本稿では、ハイブリッド機械学習アルゴリズムの比較研究を行い、モデル解釈可能性の向上に活用する。 本稿では,金融時系列予測において出現する潜伏関係や複雑なパターンの発掘を目的とした,分解,自己相関関数,指数的三重予測など,時系列統計の事前処理技術に関する体系的な概要を述べる。
  論文  参考訳（メタデータ） (2023-12-31T16:38:32Z)
• An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories [10.353243563465124]
  我々は,データ駆動型楽観的二元性在庫最適化(BIO)戦略を新たに導入する。 我々の実験は、在庫管理に対する従来のアプローチを再考することで、大きな利益が得られることを示している。
  論文  参考訳（メタデータ） (2023-10-17T23:10:57Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
  労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。 本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-24T17:16:27Z)
• Balancing Profit, Risk, and Sustainability for Portfolio Management [0.0]
  本研究では,リスクを表すシャープ比と持続可能性を表す環境,社会,ガバナンススコア(ESG)を備えた新しいユーティリティ機能を開発する。 連続的な行動空間を許容することで、深いQ-ラーニングアプローチを改善しつつ、MADDPGよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-06-06T08:38:30Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)

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。