基于多Agent负责适应系统在饭店收益管理中的应用.doc

基于多Agent负责适应系统在饭店收益管理中的应用.doc

《基于多Agent负责适应系统在饭店收益管理中的应用.doc》由会员分享，可在线阅读，更多相关《基于多Agent负责适应系统在饭店收益管理中的应用.doc（6页珍藏版）》请在冰豆网上搜索。

基于多Agent复杂适应系统的饭店收益管理应用研究

闵松强,贺昌政

（四川大学工商管理学院，成都614064）

摘要：

文章首先对收益管理进行了阐述，并针对饭店的收益管理研究中仅考虑了供给因素最优的问题进行了分析，提出利用多Agent复杂适应系统模型模拟饭店收益管理中各种随机变动的因素，并建立了基于多Agent复杂适应系统模型的饭店收益管理模型。

这种随机模拟多种变动因素的方式能有助于解决收益管理中的此类问题。

关键字：

收益管理；饭店管理；复杂适应系统；多Agent模型

0引言

收益管理起源于20世纪70年代末期航空业管制的取消,自收益管理运用以来，对收益管理的定义众多，但是收益管理可以说是一门由运筹学、管理科学、经济学等学科融合而成的边缘交叉学科。

是保障收益的有效武器。

“华尔街杂志”认为在目前出现的商业策略中，收益管理是排在第一位的，并称收益管理为一种有待探索、前途光明的实践。

20世纪80年代中期开始运用饭店业。

此后，收益管理作为一种先进的管理方法被越来越多的饭店采用，也成为饭店经营研究中最热门的话题之一[1]。

Salomon（1990）认为，由于大部分饭店对收益管理精确功能的了解处于一个较低的水平，收益管理仍然处于一个未成功的阶段。

他认为饭店业收益管理主要指根据饭店所在的细分市场行情，就饭店现有的固定不变的客房供给能力进行相应定价的行为[2]。

饭店收益管理是一项巨大、复杂的工程，牵涉到计算机技术、营销技术、人力资源状况等多个方面，其中又以定价问题最为核心和关键,也最为灵敏和复杂；Jones基于系统的分析,指出管理是为饭店业主使饭店盈利能力最大化服务的系统,该系统通过基于细分市场的盈利能力的识别，确定销售价值、价格设定、折扣生成、订房的过滤准则确立以及对过滤规则的效益与实施的监控来达到饭店盈利能力最大化的目标[3]。

Kimes指出大多收益管理的研究和应用主要关

-----------------------------------

作者简介:

闵松强（1985-）,男,四川遂宁人,硕士研究生,（minsongqiang8520@）；贺昌政（1947-）,男,

教授，博士生导师

注的是管理需求，而很少关注在服务的供给上，并研究了饭店应该怎样组合饭桌以实现最优的收益，作者利用模拟的方法对Chevys饭店的由2个座位，4个座

位，6个座位的饭桌组合的共230个座位进行分配；并把最优的模拟结果运用到实际中，Chevys饭店增加了30％的客户量，并实现了5.1％的收益[4].但是Kimes只考虑了最优的供给情况，并没有对顾客到达的数量、顾客到达的组合以及顾客到达的时间做研究，也没有考虑到在那种情况下，饭桌的组合方式需要变动。

由于饭店的桌子组合、顾客到达时间、顾客的数量、顾客到达的组合等一个变动的随机过程，在随机变动的情况下，饭店与顾客之间构成了一个“回声模型”，也就是说在顾客到达变动的情况下，饭店管理者在不同的时间段内调整桌子的最优组合以实现最优的收益，而顾客也会考虑到时间以及饭店中顾客的数量，在最优的排队时间里面到达饭店。

饭店与顾客之间就构成了一种复杂适应系统，而在这个饭店复杂适应系统中，各中因素是具有独立特定完整功能、独立的、智能化的个体，也就是说这个系统是有多个Agent按照一定规则构成的，本文就基于多个Agent复杂适应系统建立模型，以阶段在饭店的桌子组合、顾客到达时间、顾客的数量、顾客到达的组合等随机变动的情况下的收益管理问题。

1多Agent复杂适应系统介绍

1.1复杂适应系统

复杂性问题的提出源于奥地利，1982年贝塔朗菲在他写的《生物有机体系统》论文中首次提出复杂性的问题。

复杂性科学是现代系统科学发展的新阶段，20世纪七十至八十年代，随着系统论、控制论、耗散结构论以及协同论等学科得到创立和发展，研究复杂系统的混沌学、分形论等非线性科学和复杂性研究对系统科学的进一步发展起到了积极的作用。

由此也引起了复杂性科学的产生，探索复杂性成为一个重要的主题。

美国圣菲研究所以生物体为背景建立的复杂适应性系统模型，是近年来研究比较多的来得系统。

复杂适应系统（ComplexAdaptiveSystemCAS）理论认为系统演化的动力本质上来源于系统内部，微观主体的相互作用生成宏观的复杂性现象，其研究思路着眼于系统内在要素的相互作用，所以它采取“自下而上”的研究路线；其研究深度不限于对客观事物的描述，而是更着重于揭示客观事物构成的原因及其演化的历程[5]。

1.2多Agent复杂适应系统的建模[6]

复杂适应系统的主要单元是系统内的个体（ActiveAgent），这些个体具有自适应性，正是由于这些个体与环境以及其他个体间的相互作用，不断改变着它们自身，同时也改变这环境。

复杂适应系统的仿真，首先通过研究Agent的适应性、主动性来建立其模型，然后通过这些Agent之间以及Agent与环境之间的交互建立起多Agent系统模型,最后借助计算机仿真方法并采用自底向上的方式来研究系统的复杂性、系统的个体与整体的关系以及系统的涌现机制等。

Agent个体具有以下几种属性：

（1）自治性（Autonomy）：

Agent对自身状态和行为有一定的控制能力，运行时不直接由人或者其它的物控制，它对自己的经济目标和内部决策手段有一定的控制权；

（2）社会能力（SocialAbility）：

当Agent认为适合时，能够与人类或者其他Agent进行交互以完成自身和仿真的任务，或者支持和帮助其他Agent完成任务；

（3）响应性（Responsiveness）：

Agent能感知它们所处的市场环境，可以通过行为改变环境，并适时地根据环境所发生的变化调整策略；

（4）能动性（Ability）：

主体感知市场竞争规则和竞争对手策略的变化，自发采取追求自身利益最大化的行为。

基于Agent的建模方法是一种自底向上综合的建模方法，其基本建模步骤大概有以下几步，首先分析研究问题的各个组成个体以及各个个体的行为，并把各个个体做为Agent，模型它把Agent作为系统的基本抽象单位，采用相关的Agent的技术，先根据Agent类库建立复杂适应系统的每个个体的Agent模型，并根据各个Agent的行为赋予个体Agent一定的智能；其次，分析所研究问题的各个Agent之间的相互作用关系，并把这种关系转化到模型中，然后采用合适的多Agent系统体系结构来组装这些个体Agent，设置在多个Agent之间的交互方式，从而建立整个复杂适应系统的模型；最后，利用仿真软件模拟已经建立的模型，搜寻最优的模型。

2基于多Agent复杂适应系统的饭店收益管理模型

基于Agent的建模与仿真在国内外受到广泛的关注，在经济系统、自然现象、人工生命等领域研究较为广泛，虽然这些应用还不够深入，很大程度上还停留在实验室阶段，并不能真正的、具体地对现实世界中特定的复杂系统进行分析和控制，但是这些研究方向和他们所作的努力，正在使这些目标成为可能。

多Agent建模已应用与经济管理领域[7]，利用多Agent可有效的解决信息孤岛问题，加强各个部门的信息互通，为管理者了解企业各个部门的状况和部门间的相互关系提供有效的参考依据，为决策者提供有效的决策建议。

在饭店收益管理中，管理人员在了解各个Agent的运行方式的基础上，有效的指定为需求提供合理的供给，合理的利用资源实现收益的最大化。

为实现在不同情况下，饭店饭桌或者客房的最优配置，这里做出以下假设：

饭店可以接受预订，并且不同团队达到的顾客不可以组合，顾客的到达的概率服从泊松分布，饭店可以选择几种不同座位的饭桌提供给顾客，恰当的顾客人数可由饭店工作人员安排到适合顾客人数的饭桌上，顾客到达的时间符合饭店以前统计的时间规律，到达的人数以及到达的团队中的人数是一种随机的变量，饭店可以根据不同的需要调整其饭桌或是客房的组合方式。

由于客房可以分为单人间和双人间，与饭桌具有类似的管理方式。

下面就以饭店如何最优在不同的时间，分配不同的桌子组合方式为例，建立基于多Agent复杂适应模型。

首先，分析饭店中个的存在的Agent个体，以及各个Agent个体的行为，并对各个Agent个体进行分类。

在饭店管理中的Agent个体有，各种饭桌各自对应着各个Agent个体，顾客到达的群体数量各自于一个Agent个体对应，预订人数以及预订的团体数作为Agent个体，顾客的到达时间分别与Agent个体对应，到达群体的种类与Agent对应，饭桌的调整时间于Agent对应，饭店的服务水平也影响这顾客的到达数量，可以说是饭店行业盈利的一个关键因素，这里把服务的水平作为一个Agent个体，同理把饭店的环境，饭店的饭菜质量同样设为相应的Agent个体，最主要的Agent为饭店的最终收益值。

接着基于不同Agent的行为不同，把各个个体分别分到不同Agent类。

在确定每个Agent个体的行为方式，可以基于饭店以前的数据，利用数据挖掘的方法对于饭店正常运作中的一些数据和信息进行分析，特别是饭店日常运作中出现的一些异常情况进行汇报和分析，为确定每个Agent个体的行为方式提供可靠而准确的决策依据。

其次，确定Agent个体之间的交互方式和交互的影响程度。

由于Agent个体之间的相互作用的程度不同，那么对系统的最终影响度也是不同的，所以确定Agent个体之间的交互方式和交互的影响程度就显得尤为重要。

在确定交互关系，同样的我们可以利用数据挖掘的方式，首先找到那些个体之间存在关联关系，这里可利用关联规则挖掘的方法，再在各个关联的Agent个体之间建立相应的关联模型。

至于那种关联模型最优，在进行模拟的时候，可以利用遗传算法寻优的方式，搜寻最优的模型。

最后，在分析了得到的Agent个体行为，以及Agent个体之间关联模型的基础上，利用系统分析软件进行模拟，比如说Swarm就是比较常用的一种软件。

通过模拟结果的分析，我们可以选择最优的饭店管理方式，这种最优的收益管理方式的目标当然是实现了收益最大化的方式。

这三步构成了一种集中式的多Agent组织结构，集中主要体现在最终的收益上，该组织结构如图1所示。

图1饭店收益管理多Agent复杂适用系统组织结构

基于多Agent复杂适应系统模型不仅可以应用于已经开张的饭店的收益管理，而且对于连锁的饭店而言也具有适用性，例如，对于某连锁饭店需要增开新的饭店，那么饭店在进行可行性分析的时候，就需要对饭店的收益进行预测；当然，在利用已经开张营业的饭店的数据和调查的数据上，利用多Agent复杂适应系统模型对新建饭店的收益做出预测也是可以实现。

这种模拟的方式，为决策者在制定饭店规模、地点等的决策时可以提供具有重要参考价值的信息。

而且这中系统模型，还可以加强各个连锁点之间的信息沟通，管理者可以基于得到的信息，只要更改相应的Agent的控制规则就可以实现工作流程的改变。

无需对信息系统进行重新开发，可以快速地对于企业工作流程的变化做出响应，为企业在激烈的市场竞争中赢取宝贵的时间。

3总结

在研究收益管理时，常利用运筹学方式建立模型，例如建立整数规划模型、随机整数规划模型以及近似动态规划模型等，而本文利用多Agent复杂适用性系统建立了饭店业收益管理模型。

这里的Agent技术不是一种单个的技术或方法，而是一种已经成熟的、新的思想和技术系统。

Agent在技术上与传统的方法相比具有两方面特殊的优势：

一方面，可以明确地给出所研究系统的各种特定的、可求解的规范，而且可以通过系统内部的调整得到最优解，这是传统的分析方法或数值方法所无法达到的；另一方面，仿真的模型可以有效的模拟环境以及其他作用因素的随机性，这类问题可以通过个体Agent间的交互加以解决。

虽然目前研究收益管理的方法很多，也各自具有各自的特点，并且目前也有许多研究者从事收益管理的研究，以后也会出现许多新的方法；但是这种方法是为收益管理的研究提供的一种新的研究方法，在实际的应用中具有一定的参考价值。