本文探讨了服务提供商如何通过提供概率性服务选项来管理需求,这些选项在预订时显示预测的服务水平。挑战在于,真实的概率可能取决于系统状态,并且客户难以验证,这促使提供商操纵这些概率。作者将此建模为一个序贯决策过程,递归地定义了真实的概率,并引入了透明度约束。他们提出了一种适应性强化学习算法来近似这些概率,以及一种基于采样的混合整数规划来优化信息披露,并通过一项以户外配送服务为动力的计算研究进行了说明。 AI
影响 这项研究可以为AI系统在基于服务的应用程序中管理用户期望和资源分配提供信息。
排序理由 该条目是发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- alphaXiv
- arXiv
- arXivLabs
- CatalyzeX Code Finder for Papers
- computer science
- CORE Recommender
- DagsHub
- Gotit.pub
- Honesty is the Best Policy ... or is it? Demand Management for Probabilistic Service Options
- Hugging Face
- IArxiv Recommender
- Influence Flower
- machine learning
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →