互联网背景下的两类酒店客房超售模型及数值算法

发布时间：2020-05-17 02:26

【摘要】：随着旅游服务业和互联网技术的发展,酒店管理行业中的超售问题越来越受到企业和学术界的重视.在线预订已成为酒店客房销售的主要方式.但由于网络预定需求的不确定性,no-show和预定取消现象时常出现,酒店空房率居高不下,直接影响了酒店的营业利润.为提高酒店客房的入住率和收益,酒店管理者往往在预定期内采取超售策略,以弥补旅客因no-show带来的损失.如何制定超售策略已经成为酒店收益管理领域的重点和热点.本文主要考虑需求不确定的酒店单一房型超售模型及具有可替代房型的联合超售模型及数值算法,主要内容如下:第一,针对预售期内顾客需求不确定的情况,我们引入随机变量截断的概念,建立了一个决策变量(超售水平)被随机变量(顾客需求)截断的酒店客房超售模型.在模型中,我们以实现净收益最大化作为目标.通过非凹转化技巧将模型转化为了一个凹的优化问题,然后采用样本平均值近似(SAA)方法将随机变量离散化,并在数值算例中用不同的分布函数模拟了随机变量.由于目标函数中存在不光滑的加号函数,因此我们引入了一个新变量取代了目标函数中的加号函数,并在约束条件中给出一个等价条件,将模型转化为了一个混合整数规划模型.采用混合整数优化数值算法求解,并用数值算例验证了模型的有效性.第二,针对预订酒店不同类型房间顾客实际入住不对等的情况,建立了一个两阶段的考虑多种房间类型可替代的酒店客房超售模型,将酒店经营一次的全过程分为预定阶段和服务阶段,并且考虑服务升级和服务降级.为了得到不同类型房间的联合最优超售水平,我们根据目标函数具有的凹性和子模性,计算目标函数的梯度估计量,并采用随机梯度算法求解模型.然后在数值实验中将酒店实际数据应用到模型和算法中,实验结果验证了模型和算法的有效性.
【图文】：

总收益,最大负载,超售,比例

对总收益的影响,从而验证超售模型的有效性. 首先, 固定原有参数, 改变最大负载比例 , 得到的总收益如图2.1所示, 从图2.1可知: 当 = 100% 时, 即最大售房数与酒店容量的比值为1, 正好为酒店正常售房情形(不允许超售), 显然其总收益低于超售情形;当 = 120%时, 酒店采取超售策略, 总收益为最大; 当 > 120%时, 此时出现DB旅客

总收益,顾客需求,酒店,稳定状态

为了探究no-show率对总收益的影响, 选取 = 100%, 得到的总收益如图2.2所示. 从图2.2可知: 当增大时, 酒店的总收益是先增大后趋于稳定, 这是因为, 随着no-show率的上升, 在订房系统刚开放的几天内时订房数量便会相应增加, 而当周期开端的订房数量逐渐达到顾客需求时, 收益便达到稳定状态, 不会变化. 一般而言
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F719.2;TP393.09

【相似文献】