Resolução de um Problema de Precificação Dinâmica Multi-Período Usando Métodos Exatos Aumentados por Aprendizado e Learnheuristics

Este artigo aborda um problema dinâmico de precificação multi-período que incorpora informações contextuais variantes no tempo e restrições de inventário. As vendas são modeladas como uma função tanto do preço quanto de um vetor contextual multidimensional, que pode incluir fatores como localização do cliente, renda, lealdade, preços dos concorrentes e atividade promocional. Esta formulação captura dinâmicas complexas do mercado durante um horizonte finito de venda. O problema é formulado como um modelo de programação quadrática, e duas abordagens alternativas de solução são propostas. A primeira utiliza um modelo de regressão multivariada para aproximar linearmente a função de vendas, permitindo uma solução exata de programação quadrática que serve como referência. A segunda é um algoritmo 'learnheuristic' que combina um modelo de aprendizado não linear das vendas com otimização metaheurística para gerar estratégias de precificação de alta qualidade sob restrições operacionais realistas. Experimentos computacionais demonstram a eficácia da abordagem learnheuristic proposta.