[发明专利]商品动态定价数据处理方法和系统

权利要求书

1.一种商品动态定价数据处理方法，其特征在于，包括：

获取商品的历史销售数据；

根据所述历史销售数据确定在执行预定价格策略的情况下从当前库存量状态到预期库存量状态的状态转移概率；

基于马尔科夫决策模型，以预期目标为奖励函数，根据状态转移概率、预期累计收益和奖励函数，利用增强学习算法迭代计算，动态确定商品的最优价格；

其中，所述预期目标为在执行预定价格策略的情况下从当前库存量状态到预期库存量状态的预期收益。

2.根据权利要求1所述的方法，其特征在于，

根据预定价格确定第一价格区间；

判断在所述第一价格区间的历史销售数据的数量是否大于等于阈值；

若在所述第一价格区间的历史销售数据的数量大于等于阈值，则根据所述第一价格区间的每天的历史销量数据确定商品的销量均值；

基于当前库存量、预期库存量和销量均值确定在执行预定价格策略的情况下从当前库存量状态到预期库存量状态的状态转移概率。

3.根据权利要求2所述的方法，其特征在于，

若在所述第一价格区间的历史销售数据的数量小于阈值，则将所述第一价格区间逐渐扩大到第二价格区间，以使所述第二价格区间的历史销售数据的数量大于等于阈值；

利用量价模型确定所述商品在所述第二价格区间的价格弹性；

根据价格弹性确定所述商品的销量均值。

4.根据权利要求2或3所述的方法，其特征在于，

利用最大似然估计算法若确定所述商品的销量服从正太分布，则基于当前库存量、预期库存量、销量均值和销量标准差确定在执行预定价格策略的情况下从当前库存量状态到预期库存量状态的状态转移概率；

其中，所示销量标准差根据销量均值利用标准差公式确定。

5.根据权利要求4所述的方法，其特征在于，

利用公式确定在执行预定价格策略的情况下从当前库存量状态到预期库存量状态的状态转移概率；

其中，S为当前库存量，S'为预期库存量，μ为销量均值，δ为销量标准差。

6.根据权利2或3所述的方法，其特征在于，

利用最大似然估计算法若确定所述商品的销量服从拿泊松分布，则利用公式确定在执行预定价格策略的情况下从当前库存量状态到预期库存量状态的状态转移概率；

其中，S为当前库存量，S'为预期库存量，μ为销量均值。