رویکردهای همسایگی جدید در الگوریتم ممتیک برای یافتن نوع مشتری

سیستم های «مدیریت سود» امروزه به صورت فراوان در صنایع مختلفی استفاده می شوند. یکی از پایه های اصلی مدیریت سود، «برآورد تقاضا» است که بر اساس آن تقاضای محصولات و خدمات پیش بینی می شود. شناخت مشتریان و علایق آنها زیربنای برآورد تقاضاست و این شناخت با حل مسئله «کشف نوع مشتری» به دست می آید. به تازگی این مسئله با استفاده از روش فراابتکاری «ژنتیک» حل شده است و در این تحقیق با استفاده از رویکردهایی دیگر برای یافتن همسایگی، این مسئله را با روش فراابتکاری «ممتیک» حل خواهیم کرد. برای ارزیابی تحقیق خود، از داده های واقعی پنج هتل استفاده خواهیم کرد و در ادامه نشان می دهیم که روش پیشنهادی درمجموع با 10.5 درصد تعداد نسل کمتر نسبت به روش «ژنتیک» اولین راه حل قابل قبول مسئله را ارائه می دهد.

new neighborhood approaches in memetic algorithm for customer type discovery

revenue management systems are extensively utilized across various industries today. one of the primary pillars of revenue management lies in demand estimation, which predicts the demand for products and services. understanding customers and their preferences forms the cornerstone of demand estimation, and this understanding is acquired through solving the customer type discovery problem. recently, this problem has been addressed using the genetic meta-heuristic method. in this research, we propose solving this problem utilizing the memetic meta-heuristic method, employing alternative approaches to identify the neighborhood. by evaluating real data from five hotels, we demonstrate that our method offers the first viable solution to the problem, resulting in a total of 10.5% fewer iterations compared to the genetic method.