ارائهی چهارچوبی برای حراج معکوس آنلاین مبتنی بر یادگیری بازار ساز در شرایط ریسکگریزی خریدار

حراج معکوس آنلاین یکی از رویکردهای تامین کالا و مواد موردنیاز بر بستر اینترنت می­باشد که در آن خریدار، یک یا چند فروشنده را بر اساس پیشنهادهای آنها انتخاب می­نماید. در این مقاله یک چهارچوب جدید برای فرایند حراج معکوس آنلاین ارائهشده است که هر دو سوی فرایند تامین (خریدار و فروشنده) را در نظر می­گیرد. فرایند حراج پیشنهادی یک حراج معکوس آنلاین چند شاخصهی نیمهبسته چند دورهای می­باشد. در این فرایند یک بازار ساز آنلاین، با پیشبینی تابع امتیازدهی خریدار، فرایند پیشنهاددهی فروشندگان را تسهیل می­نماید. در این حالت، علاوه بر پنهان بودن تابع امتیازدهی فروشنده، اطلاعاتی جهت بهبود پیشنهاددهی در اختیار فروشندگان قرار می­گیرد. برازش تابع امتیازدهی توسط یک شبکه عصبی پرسپترون چندلایه در نظر گرفتهشده است. همچنین روش­های امتیازدهی خریدار بهصورت جمعی، ضربی و ریسکگریز تعریفشده است. در این چهارچوب، فروشندگان در هر دور با استفاده از یک مدل بهینه­سازی، پیشنهادهای خود را بهبود میبخشند. با شبیه­سازی فرایند حراج، چهارچوب پیشنهادی در مقایسه با یک حراج باز با درنظرگرفتن معیارهای امتیاز فروشندگان، سود فروشندگان و تعداد دور حراج، مورد ارزیابی قرار گرفته است. نتایج شبیه­سازی نشان می­دهد که در مدل پیشنهادی علاوه بر عدم افشای اطلاعات امتیازدهی خریدار، تفاوت معناداری در معیارهای ارزیابی با مدل حراج باز وجود ندارد.

Keywords:

حراج معکوس آنلاین , ریسکگریزی , شبکه عصبی مصنوعی , بهینه­سازی چندهدفه طبقه بندی JEL A۱ , C۶ , C۷ , D۴ , F۱۴