ඔබේ Layover වේලාව ගුවන් සමාගමේ ලාභයක් නිර්මාණය හෝ බිඳ දැමිය හැකි ආකාරය

සැබෑත්වය බලාපොරොත්තුවන්ට ගැලපෙන විට, එය සෑම විටම අහිතකර වේ. ඔබ බලාපොරොත්තුවෙන සැබෑත්වය සඳහා මුදල් ගෙවන්නේ නම් විශේෂයෙන් අහිතකර වේ: ඔබ එක් ගුවන් සමාගමේ ටිකට් මිලදී ගනී, නමුත් යම් හේතුවක් නිසා ඔබ සම්පූර්ණයෙන්ම වෙනස් ගුවන් සමාගමේ ගුවන් යානයක නැව්ගත කර ඇත. එවිට ඔබ සම්බන්ධතාවයක් සකස් කර, ඔවුන් ඔබ නොදන්නා තුන්වන ගුවන් සමාගමේ ගුවන් යානයක නැව්ගත කර ඇත. කුමක් සිදුවේද? අවසානයේදී, ඔබ ගුවන් සමාගමේ ටිකට්, ඔබ එයෙන් බලාපොරොත්තු විය යුතු දේ දන්නා නිසා මිලදී ගනී, නමුත් ඔබ තවමත් සම්පූර්ණයෙන්ම වෙනස් ගුවන් සමාගම් ගුවන් යානා සමග ගුවන් යානා. ඔබ විශාල හා නිශ්චිත ගුවන් සමාගමක් සිට ගුවන් ටිකට් පත් මිලදී ඇති බව පෙනේ, නමුත් ගුවන් සමාගම් එවැනි ක් රියාවන් මගීන්ට ඔවුන්ගේ කැමැත්ත සම්පූර්ණයෙන්ම වෙනස් කළ හැකි බව අවබෝධ නොකරයිද? ඍජු අත්දැකීම් ඉක්මනින් හැකි විකල්ප ගවේෂණය කිරීම සඳහා වඩාත් ගැඹුරු ප්රවේශයක් ගනී. මගී ප්රවේශය වඩාත් විශාල ප්රමාණයක් එහි මාර්ගයේ අවදානමක් අඩු වන ස්ථානවල ගමන් කරන ප්රතික්රමයක් මෙන් වේ. එක් ගුවන් සමාගමේ ගුවන් යානයේ ආකර්ෂණීයත්වය අඩු වීමෙන් මගී ප් රවාහන කොටසක් "බොටල් කිරීම" යනුවෙන් හැඳින්වේ. වෙනත් ගුවන් සමාගමක් වඩාත් ආකර්ෂණීය විකල්පයක් ඉදිරිපත් කිරීමෙන් මගී ප් රවාහන ප් රවාහන ප් රවාහන ආකර්ෂණීයව "බොටල් කිරීම" යනුවෙන් හැඳින්වේ. එවැනි ආකර්ෂණීය ආකෘතිය මගී ප් රවාහන ප් රවාහන ආකර්ෂණීය ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් රවාහන ප් පාරිභෝගික ප් රවාහනය අපි ප් රශ්නය වෙත ළඟා කරමු.එසේ නම්, තුන් නගරයක කුඩා මාර්ගය ජාලයක් ඇති වන අතර එය තුන් මාර්ගය පමණි: A→B — ගුවන් ගමන් A1 විසින් මෙහෙයවනු ලැබේ; B→C — ගුවන් ගමන් A2 සහ A3 විසින් මෙහෙයවනු ලැබේ; A→B→C — පළමු කොටසේදී, ගුවන් ගමන් A1 විසින් මෙහෙයවනු ලබයි, දෙවන කොටසේදී A2 и A3 විසින් මෙහෙයවනු ලබයි — මෙම මාර්ගය codeshare ගිවිසුමේ පරිපූර්ණත්වය අගය කිරීම අවශ්ය වේ. Passenger flows can be represented in two forms — let’s call them H and D: H - නගර දෙක අතර මූලික මගී ප් රවාහනය; D - නගර දෙක අතර සංචාරක සංචාරය. උදාහරණයක් ලෙස, A→B කොටසේදී, ගුවන් සමාගමේ A1 ගුවන් ගමන් ප්රවාහනය D11 ගණනය කළ හැකිය (එනම් ප්රමාණයට වඩා අඩු නම් නිරීක්ෂණය කළ හැකිය): මෙම අවස්ථාවේදී, H1 යනු A සිට B දක්වා ගමන් කිරීමට උනන්දු වන සංචාරකයින්ගේ සංචාරක ප් රවාහනය වන අතර H3 යනු A සිට C දක්වා ගමන් කිරීමට උනන්දු වන සංචාරකයින්ගේ සංචාරක ප් රවාහනය වේ. B→C අංශය සඳහා, දේවල් ටිකක් වඩාත් වැදගත් වේ: මෙම අවස්ථාවේදී, ගුවන් සමාගම් A2 සහ A3 සංචාරක සංචාරය H2 - B සිට C දක්වා ගමන් කරන සංචාරකයින්, හා මගී සංචාරය H3 - A සිට C දක්වා ගමන් කරන සංචාරකයින් සහ B නගරයේ ගුවන් තොටුපොළේ සම්බන්ධ වේ. අමුද්රව්ය α ද විශේෂ ගුවන් සමාගමක් ගුවන් ටිකට් මිලදී ගැනීම සඳහා අවස්ථාවක් ලෙස තේරුම් ගත හැක, එබැවින්: α ගුවන් ගමන් ආකර්ෂණීයතාවය මත රඳා පවතී, එය U(R) සේවා කාර්යය විසින් තීරණය කර ඇත, එහිදී R ගුවන් යානා ප්රමාණයන්ගේ ප්රමාණයක් වන අතර, සංචාරකයින් ටිකට් මිලදී ගැනීමට තීරණය කරන ආකාරය මත පදනම්ව. සාමාන්යයෙන්, ප්රමාණවත් කාර්යයන් සේවා කාර්යය ලෙස භාවිතා කර ඇති අතර මෘදු-මාක්ස් කාර්යයන් භාවිතා කිරීමෙන් සාපේක්ෂතාවයන් බවට පරිවර්තනය කර ඇත. මෙය කිරීමට හොඳ ක්රමයක්ද? එය පොදු හා සරල වේ. එම අවස්ථාවේ දී, සිග්මොයිඩ් කාර්යයන් සහ ඩීරික්ලට් බෙදාහැරීමේ කාර්යය ඡන්ද ප්රමාණයට වඩා හොඳින් ගැලපෙනු ඇත. උදාහරණයක් ලෙස, ඔබ 10 ප්රමාණයේ සෑම ගුවන් යානා ප්රමාණ මාර්ගය ආකර්ෂණීයත්වය පිළිබඳ codeshare ගිවිසුම්වල බලපෑම Codeshare ගුවන් ගමන් සංචාරකයින් සඳහා ආකර්ෂණීය වන අතර, ඔවුන් මගීන්ට පහසුකම් ලබා දෙයි: ගුවන් සමාගමේ පක්ෂපාති වැඩසටහනක සහභාගී වීමෙන් ප්රසාද කුලියට එකතු වන්න, ගුවන් යානය වෙනත් ගුවන් සමාගමක් විසින් මෙහෙයවනු ලැබුවහොත්. පහසු සම්බන්ධතා සහිත ගුවන් ටිකට් පත් සඳහා ගුවන් ටිකට් පත් පොරොන්දු, විවිධ ගුවන් සමාගම් දීමනා අතරින් වඩාත් ගැලපෙන විකල්පය තෝරා. ගුවන් යානයකදී ගුවන් ටිකට් මිලදී ගත් සමාගම් කොහෙන්වත් ගුවන් යානයෙන් සහය සහ සහාය ලබා ගන්න. කෙසේ වෙතත්, codeshare ගුවන් ගමන් ආකර්ෂණීය වන ප්රධාන හේතු වන්නේ මාර්ගය සංඛ්යාව වැඩි කිරීමයි - සූදානම් මාර්ගය තෝරා ගැනීම එය ඔබ විසින් නිර්මාණය කිරීමට වඩා පහසු වේ. ස්වාභාවිකව, codeshare ගුවන් ගමන් කිහිපයක් හේතුවෙන් ආකර්ෂණීය නොවන විය හැක: අසාධාරණ සේවා මට්ටම; විවිධ බෑග් සහ ප්රවාහන නීති; සබැඳි කාලය තුළ බෑග් ප්රශ්න ඇති විය හැකිය. codeshare ගුවන් යානයක ආකර්ෂණීයත්වය වැඩි කිරීමෙන් මගී ප් රවාහනය වැඩි කළ හැකිය: මෙම ප්රශ්නය ප්රධාන බව පෙනේ, නමුත් එය ටිකක් වඩාත් සංකීර්ණ හා වඩාත් විනෝදජනක වේ.විශේෂයෙන්, codeshare ගුවන් ගමන් මුළු මගී ප්රවාහනය වැඩි කළ හැකි, නමුත් වඩාත් ප්රමාණයෙන්, ඔවුන් හුදෙක් ඉල්ලුම වැඩි කරයි. codeshare ගුවන් ගමන් එකතු කිරීම H3 සංචාරකයන්ට විකල්ප තුනක් මුහුණ දෙයි: Fly from A to C on a codeshare flight with minimal inconvenience. A සිට C හරහා B හරහා A2 ගුවන් සමාගමට පහසු සම්බන්ධතාවයක් සමඟ ගුවන් ගමන්. A සිට C හරහා B හරහා ගුවන් සමාගමේ ගුවන් යානය A3 හි අහිතකර සම්බන්ධතාවයකින් ගුවන් ගමන් කරන්න. මෙය එසේ නම්, H3 පහත සඳහන් අංකයක් ලෙස ඉදිරිපත් කළ හැක: H(ch)3 - codeshare ගුවන් යානය තෝරාගත් සංචාරකයින් සහ H(rem)3 - self-transfer මාර්ගය තෝරාගත් සංචාරකයින්. ඉන්පසු ගුවන් සමාගම් අතර ඇති සියලු ප් රවාහනය සම්පූර්ණව නැවත බෙදාහැරීමට පහත දැක්විය හැක: මාර්ගයේ ආකර්ෂණීයත්වය සම්පූර්ණ මගී ප්රවාහය වෙනස් කළ හැකි බව සැබෑවටම අමුතු විය හැක. කෙසේ වෙතත්, අප මගී ප්රවාහය කොටස් ගැන කතා කරන බව තේරුම් ගැනීම වැදගත් වන අතර, එනම් මගීන්ගේ පෞද්ගලික කොටස් වෙනස් ආකාරයකින් හැකි විකල්ප ගවේෂණය හා වර්ගීකරණය කරයි. මගීන්ගේ සමහර කොටස් සඳහා, පහසුකම පළමු වන අතර, තවත් කොටස් සඳහා - මිල. ආකර්ෂණීයත්වය, අනෙක් අතට, මෙම සංඛ්යාව වෙනත් සාධකවලින් බලපාන ආකාරය පෙන්වයි. ආකර්ෂණීයත්වය බොහෝ විට නිශ්චිත වේ – උදාහරණයක් ලෙස, ඔවුන්ගේ පැමිණීම හෝ පිටවීමේ වේලාව වෙනස් කළ නොහැකි ගුවන් ගමන් සඳහා. එවැනි ගුවන් ගමන් සඳහා වෙනත් ගුවන් සමාගමක් සමඟ සමූහ ගුවන් ගමන් එකතු කරන විට, සම්බන්ධතා කාලය වෙනස් විය හැක. Play සහ Capture අපි ගුවන් සමාගම් අතර මගීන් ප්රමාණය ප්රමාණයේ ප්රමාණයේ වෙනස්කම් විස්තර කරන ලද ප්රකාශයක් ලබා ඇත. α මත පදනම්ව ප්රමාණ ගණනය කරන්නේ කෙසේද යන්න සොයා ගැනීමට ඉතිරි වේ. අපිට දත්ත තියෙනවා. දත්ත ආකෘති නිර්මාණය කළ හැක. මූලික වශයෙන් අපි කතා කරන්නේ "අපි ML (Machine Learning) තුළ කරන්නේ කෙසේද යන්න ගැනයි". පළමුව, අපි අමුත්තන් ගනුදෙනුකරුවන්ගේ සංඛ්යාව ඇතුළත් අමුත්තන් ගනුදෙනුකරුවන්, එනම්, ඕනෑම ආකාරයකින් සැලකිලිමත් මාර්ග කිහිපයක් මත ටිකට් මිලදී ගැනීමට උනන්දුවක් ඇති ඕනෑම කෙනෙකුට නිශ්චිත කළ යුතුය. H1 ~ Poisson (λ1) H2 ~ Poisson (λ2) H3 Poisson(λ3) H3 උදාහරණයක් භාවිතා කිරීමෙන් මගීන් ගබඩා කිරීම සහ ගබඩා කිරීම සිදු වන්නේ කෙසේද යන්න අපි බලමු, මෙම මගීන් ගබඩා තුනක් අතර බෙදාහැරෙන නිසා. ගුවන් ගමන් ආකර්ෂණීයතාවේ විවිධ මට්ටම් විවිධ මගීන් මිල සංකේතවල විවිධ අවධානය යොමු කරයි. උදාහරණයක් ලෙස, codeshare ගුවන් යානය වඩාත් ආකර්ෂණීය වනු ඇත, නමුත් එම හේතුවෙන් එය වඩාත් මිල අධික වනු ඇත. ආකර්ෂණීයත්වය ක්රම දෙකක් විසින් තීරණය කරන්න: codeshare සහ සම්බන්ධතාවය කාලය. T(2) ගුවන් යානය A2 සඳහා මාරු කාලය t* ට වඩා සමීප වේ t* ට වඩා (T3) - ගුවන් යානය A3 සඳහා මාරු කාලය. අපි දැන් ආකර්ෂණීයත්වය තීරණය කළ හැකිය (අපි දෙදෙනාගේ ප්රයෝජනවත්ත්වය) සරල කැලෑ හැඩය ක්රියාකාරීත්වය හරහා. Δt =t −t=0 – පරිශීලක මාරු කාලයෙන් අඩුම වෙනස. ප් රශංසා ප්රතිඵල හරහා ප්රකාශ කරමු: u2 = U(Δt2) සහ u3 = U(Δt3), එහිදී U ඕනෑම unimodal කාර්යයක් විය හැක: අපගේ අවස්ථාවේ U යනු Gaussian කාර්යයකි. A2 සහ A3 ගුවන් ගමන් වල ආකර්ෂණීයත්වය පහත දැක්විය හැක: scipy.stats import norm, gamma, poisson, binom, uniform, bernoulli import matplotlib.pyplot as plt from pylab import rcParams rcParams['figure.figsize'] = 7, 4 rcParams['figure.dpi'] = 140 %config InlineBackend.figure_format = 'png' import seaborn as sns.set() dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, scale=1.4) plt.plot(dt, u, 'C0') ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච plt.title('අපේ ගුවන් සමාගම් $A_{2}$ සහ $A_{3}$ අතර ගුවන් යානා\n' + r's ආකර්ෂණීයත්වය (විශේෂය) plt.xlabel(r'$\Delta t$ (කාලය)') plt.ylabel('u', rotation=0) plt.legend() plt.show() If airline A1 enters into a codeshare agreement with A2, then, in terms of transfer time, the attractiveness of the codeshare flight will be the same as that of A2, since the ideal transfer time — t∗, relative to which all deltas are calculated, has not changed in any way. However, codeshare flights offer a number of advantages: no need to re-check baggage, no need to re-check-in, and for international flights, staying in a clear zone means no additional passport control. The attractiveness of a codeshare flight increases due to the fact that the traveler has less risk to meet the Δt2, and there is also additional time to stretch your legs and rest from the flight. It turns out that the ideal connection time for a codeshare flight, t∗ch, is still different from the ideal connection time for a regular flight. පරිපූර්ණ සම්බන්ධතා කාලය කිහිපයක් සලකා බැලිය යුතුය: අවම සම්බන්ධතාවය කාලය - මගීන් සහ භාණ්ඩයක් ගුවන් තොටුපොළේ එක් ගුවන් යානයකට අනෙකුත් ගුවන් යානයකට සාර්ථකව මාරු කිරීම සඳහා අවශ්ය කාලය. අතිරේක පහසු කාලය - තවත් ගුවන් යානයකට check-in කිරීමට රැගෙන යාමේ අවදානම අඩු කිරීම සඳහා අවශ් ය වේ. ගුවන් ගමන් ප්රමාණ කාලය - සෑම ගුවන් සමාගමක් සඳහා විශේෂ තැපැල් ඇත. codeshare ගුවන් ගමන් සඳහා පරිපූර්ණ සම්බන්ධතාවය කාලය අඩු වනු ඇත, අවදානම නිසා අවදානම ගුවන් ගමන් සම්බන්ධතාවය තුළ ගුවන් ගමන් සඳහා ප් රමාද වන අවදානම ගුවන් සමාගම විසින් පිළිගනු ලැබේ - දැන් එය මගීට ප් රමාද වුවහොත්, ඔවුන් තවමත් ඊළඟ ගුවන් ගමන් මත තබා ගත හැකි බව සහතික කරයි. t ch<t නම්, මෙය codeshare flight A1 සඳහා පරිශීලක ක්රියාකාරිත්වයේ ග්රැෆික් දකුණු පැත්තට මාරු කරයි: dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, මට්ටම=1.4) plt.plot(dt, u, 'C0', label=r'$t^{*} - t$) ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශු ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච plt.title('අපේ ගුවන් සමාගම් $A_{2}$ සහ $A_{3}$ අතර ගුවන් යානා\n' + r's ආකර්ෂණීයත්වය (විශේෂය) plt.xlabel(r'$\Delta t$ (කාලය)') plt.ylabel('u', rotation=0) plt.legend() plt.show() මීට පෙර පරිපූර්ණ සම්බන්ධතාවය කාලයට වඩා වෙනස පැය 1 සහ විනාඩි 10 පමණ නම්, codeshare ගුවන් ගමන් සඳහා මෙම වෙනස විනාඩි 20 පමණ වනු ඇත. ස්වාභාවිකව, පරිපූර්ණ සම්බන්ධතාවය කාලයට සමීප වීම ගුවන් යානයේ ආකර්ෂණීයත්වය (විශේෂතාවය) බලපාන එකම සාධකයක් නොවේ. Now we need to understand how these three values divide passenger traffic into price segments — we are clearly talking about some fractions. In order to determine these fractions, we need a profile of potential demand. Let’s assume that for each of the passenger flows it looks as follows: මිල ගණන්_1 = np.linspace(100, 300, 1000) rvdem_1 = gamma(a=12, loc=100, scale=8) profile_1 = rvdem_1.pdf(prices_1) plt.plot(prices_1, profile_1, label=r'$H_{1}$') මිල ගණන්_2 = np.linspace(60, 200, 1000) rvdem_2 = gamma(a=8, loc=60, scale=7) profile_2 = rvdem_2.pdf(prices_2) plt.plot(prices_2, profile_2, label=r'$H_{2}$') මිල ගණන්_3 = np.linspace(240, 500, 1000) rvdem_3 = gamma(a=10, loc=230, scale=12) profile_3 = rvdem_3.pdf(prices_3) plt.plot(prices_3, profile_3, label=r'$H_{1}$') plt.legend() plt.xlabel('Price (c.u.)') plt.title('ගැලපෙන ගනුදෙනුකරුවන්ගේ ගනුදෙනු ප් රවේශ ප් රවේශ ප් රවර්ග'); ඉල්ලුම ප්රතිපත්තිය ඇති වීම පෙන්වා දෙන්නේ කුමන මිලදී ගැනීමේ අවදානම 0 හෝ 1 සිට වෙනස් වන අතර එය මිල මත රඳා පවතින්නේ කෙසේද යන්න පිළිබඳ විශ්වාසදායක ප්රදර්ශනයක් ඇති බවය. එවැනි මිල ප්රතිපත්තිය ඇති වීම පැරණි හෝ suboptimal ක්රියාකාරකම් පිළිබඳ සාධාරණ ප්රදර්ශනය කිරීමට ඉඩ නොලැබේ බව වහාම සටහන් කළ යුතුය. පළමුව, ML ක්රියාකාරකම් ගැන දැනුවත් වූ පසු, එක් පුද්ගලයෙකුට වෙනස් දෙයක් කළ හැකි ආකාරය ගැන සිතා ගැනීමට ඉතා දුෂ්කර ය. දෙවනුව, ඕනෑම මිලකට විකිණෙන ටිකට් ගණන "පරික්ෂේප කිරීම" සඳහා ක්රම කිහිපයක් ඇත. විවිධ ගුවන් සමාගම් විවිධ භාවිතා කළ හැකිය. සමහර, සාමාන්යයෙන් කුඩා ගුවන් සමාගම් සම්පූර්ණයෙන්ම අවබෝධ විකල්පයන්ගේ ආකර්ෂණීයත්වයේ විවිධ මට්ටමකින් ගුවන් සමාගම් අතර මගී ප් රවාහනය බෙදා ගත යුතු අතර, දැන් සෑම සමාගමක් සඳහා α ගණනය කිරීමට අපට අවශ් ය සියල්ල තිබේ: ගුවන් සමාගම් අතර H1 ප්රවාහය බෙදා හැරෙන්නේ නැත. H2 සහ H3 ප්රවාහය පමණක් බෙදා හැරෙන්නේ, සහ බෙදා හැරීම ගුවන් යානාගේ ආකර්ෂණීයත්වය මත රඳා පවතී. fig, ax = plt.subplots(1, 3, figsize=(12, 3)) dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, scale=1.4) ax[0].plot(dt, u, 'C0') dt = np.linspace(-5, 5, 300) u_ch = norm.pdf(dt, loc=0.8, scale=1.4) ax[0].plot(dt, u_ch, 'C0--') ax[1].plot(dt, u_ch, 'C0--') ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය (Dt, u, 'C0') ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, ප් රමාණය=2.6) plt.plot(dt, u, 'C0') සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය සංකේතය ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච පහසුම ක්රමයක් වාසි ගණන බවට පරිවර්තනය කිරීම නම්, සෑම අගයකටම යම් සාධකයක් සහිතව multiplier කිරීමයි, එබැවින් ප්රතිඵලදායී සම්මතය 1 වේ: උදාහරණයක් ලෙස, A1 A2 සමඟ කේත බෙදාහැරීමේ ගිවිසුමක් සකස් කරන්නේ නම්, එක් හෝ අනෙකුත් ගුවන් ගමන් තෝරාගැනීමේ අවදානම පහත සඳහන් වේ: u = np.array([0.28, 0.20, 0.06]) මුද් රණය(u / u.sum()) [0.51851852 0.37037037 0.111111] P3(Choice=A1 Seg=1) = 0.52 P3(Choice=A2 Seg=1) = 0.37 P3 (Choice=A3 Seg=1) = 0.11 However, the choice is influenced not only by preference, but also by the amount of money available to make it. Knowing the demand profiles, we can determine the probability of buying a ticket at a particular price. Let the prices be as follows: මිල (1) 1 = 190 මිල (1) 3 = 370 මිල (2) 2 = 135 මිල(3)2 = 115 එවිට ඕනෑම මිලකට ටිකට් මිලදී ගැනීමේ අවදානම පහත සඳහන් කළ හැක: උදාහරණයක් ලෙස, codeshare ගුවන් ගමන් සඳහා ටිකට් මිලදී ගැනීම සඳහා 370 c.u. දී මිලදී ගත හැකි අවස්ථාව 0.27 වේ: rvdem_3 = gamma(a=10, loc=230, scale=12) print(rvdem_3.sf(370)) 0.2727250812333501 මෙම මිලට ටිකට් ලබා ගත හැකි සංචාරකයින් ඉදිරියේ විකල්ප තුනක් දකිනු ඇත. කෙසේ වෙතත්, පුද්ගලයෙකුට උපරිම පහසුකම් ලබා ගත හැකි නම්, එය ඔහු හෝ ඇය එය අවශ්යතාවයෙන් භාවිතා කරනු ඇතැයි අදහස් කරන්නේ නැත. ලාභ විකල්පයක් ලබා ගැනීම මුදල් ඉතිරි කිරීමට ඉඩ සලසයි - එබැවින් අපි විකල්පයේ ආකර්ෂණීයත්වය ගණනය කර ඔවුන් මත පදනම්ව විකල්පය තෝරාගැනීමේ අවදානම තීරණය කර ඇත. එවැනි මගීන් සඳහා නිශ්චිත ගුවන් ගමන් තෝරාගැනීමේ ප්රතිඵලයක් සමාන වනු ඇත: P3(Choice=A1 Seg=1) = 0.14 P3(Choice=A2 Seg=1) = 0.1 P3 (Choice=A3 A3Seg=1) = 0.03. මෙම ප්රතිඵලය එතරම් ආකර්ෂණීය පෙනුමක් නොවේ, වඩාත් පහසු ගුවන් ගමන් සඳහා ටිකට් මිලදී ගැනීමට අවසාන අවදානම එතරම් ඉහළ නැත. එවැනි ටිකට් මිලදී ගැනීමට අවසර නොලැබෙන අයට සිදුවන්නේ කුමක්ද? ඔහු තවදුරටත් codeshare ගුවන් යානයක් ලබා ගත නොහැකි වනු ඇත.මේ අවස්ථාවේදී, ඔහුට ලබා ගත හැකි විකල්ප දෙකක් ඇත: පහසු හෝ දිගු සම්බන්ධතාවයක් සහිත ගුවන් යානයක් තෝරා ගන්න. P3(Choice=A2 A2Seg=2) = 0.77 P3 (Choice=A3 Seg=2) = 0.23 u = np.array ([0.20, 0.06]) මුද් රණය(u / u.sum()) [0.76923077 0.23076923] මෙම අවස්ථාවේදී ටිකට් මිලදී ගැනීම සඳහා ඇති අවදානම වන්නේ: ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන පුරපැම අතර වෙනස අප හඳුනාගත යුතුය. එවිට එවැනි සංචාරකයින් සඳහා ප්රතිඵලදායී තෝරාගැනීමේ අවදානම පහත සඳහන් වේ: P3(Choice=A2 A2Seg=2) = 0.35 P3 (Choice=A3 Seg=2) = 0.1 මුදල් ප්රමාණය [305,325] ඇතුළත් වන සංචාරකයින් පමණක් ගුවන් ගමන් A3 ලබා ගත හැකිය. ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන පුරපැම අතර වෙනස අප හඳුනාගත යුතුය. අවසානයේ දී, සැබෑ ගුවන් ගමන් සඳහා ටිකට් මිලදී ගැනීමට ඇති අවදානම සරල සංඛ්යාවක් ලෙස ප්රකාශ කරනු ඇත: පාරිභෝගික H3 ගුවන් සමාගම් අතර පහත දැක්වෙන පරිදි බෙදා ගනු ඇත: P3 (Choice = A1) = 0.14 P3 (Choice=A2) = 0.1 + 0.35 = 0.45 P3(Choice=A3)=0.03 +0.1 +0.17 =0.3 ටිකට් මිලදී ගැනීමට නොහැකි බව P(Buy=0) අවදානම 0.1 වන අතර, ඉහත තෝරා ගැනීමේ අවදානම සමග එකතු කිරීමෙන් 1. H2 පාරිභෝගික ප් රවාහනය සඳහා එසේ කළහොත්, අපි පහත දැක්වෙන දේ ලබා ගනිමු: P2 (Choice = A2) = 0.1 P2 (Choice = A3) = 0.38 මගී ප් රවාහනය H1 ගුවන් සමාගම් අතර බෙදා නොගනු ඇත, නමුත් 190 යුරෝ මිල නිසා එහි සමහර කොටසක් පැතිරෙනු ඇත, එබැවින් අපි තවමත් මිල (මේ මිලදී ගැනීමේ අවදානම) විසින් තීරණය කරනු ලබන ගුවන් ගමන් විකල්පය P1(Choice=A1) ප්රදර්ශනය කළ හැකිය: rvdem_1 = gamma(a=12, loc=100, scale=8) print(rvdem_1.sf(190)) 0.5494501693973257 It would be possible to describe in detail all values of α, but since we have already obtained specific values of fractions, we will write everything in a shorter form: ගුවන් සමාගමක් සඳහා, codeshare ගිවිසුම සඳහා පරිශීලනය කිරීම එක් හෝ අර්බුදයකට සමාන ද්විත්ව ප්රවර්ගයක් සහිත පිටුපස පැකේජය ප්රශ්නය වන අතර, ප්රධාන ගැටළු බෙදාහැරීමට තෝරා ගන්නා විට හෝ නැත. පිටුපස තබා ඇති භාණ්ඩවල වටිනාකම ගණනය කරන විට ප්රධාන ගැටළු ආරම්භ වේ. සරල අවස්ථාවකදී, ගුවන් සමාගමක් එය වෙළඳ නාමය මත රඳා පවතී තීරණය කළ හැකිය: එය ආකර්ෂණීය නම්, පසුව codeshare ගුවන් යානයත් ආකර්ෂණීය වනු ඇත. වඩාත් දියුණු ප්රවේශයක් වන්නේ භාණ්ඩයක් තෝරා ගැනීම සඳහා විවිධ ආකර්ෂණය ප්රවේශයන් භාවිතා කිරීමයි. සෑම භාණ්ඩයක්ම ප්රවේශය සහ ප්රවේශය වේලාව ඇති මාර්ගයක් වන අතර, දිගුකාලීන හා වර්ගය අනුව වෙනස් විය හැකි සම්බන්ධතා ඇත. එබැවින්, එක් භාණ්ඩයක් තෝරා ගැනීමෙන් අනෙකුත් සියලු දෙනාගේ වටිනාකම වෙනස් වන අතර, තවමත් බෑගය තුළ සිටින අය සහ තවමත් පැකේජය නොතිබුණු අය. මෙය අදහස් කරන්නේ භාණ්ඩයක් තෝරා ගන්නා සෑම අවස්ථාවකම සියලු α ගණනය කළ යුතුය. කෙසේ වෙතත්, සියලු H ක්රියාකාරී මිල ගණන් මගින්, ඔබ සම්පූර්ණයෙන්ම සාධාරණ ආදායම් ගණන ලබා ගත හැකි අතර, වඩාත් වැදගත් වන්නේ, ඔබ කවුරු සමඟ සහ කොන්දේසි මත ගිවිසුමක් සකස් මෙම ක්රමයේ ප්රමාණවත් බව, නමුත් එය මගීන් ප්රවේශය මගී ප්රවේශය නැවත බෙදාහැරීම සමග සම්බන්ධ බව සටහන් කළ යුතුය. ඩෙල්ටා ගුවන් සමාගම්, කේත බෙදාහැරීමේ ගිවිසුම් පහසුකම් සඳහා ප්රවේශකරුවන්ගෙන් එක් වන අතර, මෙම සමාගම් මාර්ගයේ මෙම සමාලෝචනය වසරකට ඩොලර් මිලියන 50 දක්වා අතිරේක ආදායමක් ලබා දුන් බව වාර්තා කර ඇත. මෙය 2000s සඳහා වඩාත් විශිෂ්ට ප්රතිඵලයක් පමණක් නොව, මගී ප්රවේශය වැදගත්කම පිළිබඳ සෘජුවම සාක්ෂියකි. මෙම ක්රමය නරක වන අතර එය ප්රශ්නය කොටස් දෙකකට බෙදී ඇත: පළමුවෙන්ම අපි විකල්ප ගණනය කිරීම සහ H හි හොඳම කොටස් ගණනය කළ යුතුය, පසුව සියලුම H අසාමාන්ය වන අතර හොඳම කොටස් ගණනය කරන බව මතක තබා ගත යුතුය. ආකෘති සහ optimization Airline A1 needs to find not only the best prices but also quotas: w(1)3 — number of seats reserved for codesharing, and w(1)1 — is the number of seats for those traveling from A to B. If we denote by V the capacity of the airplane, then a simple condition for quotas is satisfied: w(1)1+w(1)3⩽V(1) — the same as for the number of tickets sold q(1)1+q(2)3+q(3)3⩽w(1)1 и q(1)3⩽w(1)3. Usually, the target function is cost-free and consists only of increasing the revenue generated by selecting a joint flight. However, in addition to revenue, there are also costs that have a significant impact on the profitability of flights. To optimize the profit, we introduce the following costs: Cfix - ස්ථාවර වියදම්, උදාහරණයක් ලෙස: සේවක වැටුප්, ගුවන් තොටුපළ වාහන, නැවතුම් සහ නැවතුම්, ගුවන් ආරක්ෂාව සඳහා ගුවන් තොටුපළ ගාස්තු. Cvar - සංචාරක සංඛ්යාව මත පදනම් වන වෙනස් වියදම්, උදාහරණයක් ලෙස: ගුවන් තොටුපල තැපැල් සංකේතය සැපයීම සඳහා ගාස්තු, පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික පෞද්ගලික ප Price(2)ch — costs of seats purchased from the operating carrier for a codeshare flight. Then the average profit A1 will be the following function: The second airline’s profits: One might think that if A1 enters into an agreement with A2, then the profits of A3 should be of no concern. In fact, codesharing has a very interesting consequence: competitive pressure. Therefore, let’s write down the target function for A3 as well: We know that Hj∼Poisson(λj). Knowing that Pj(Choice=Ai), we could record the number of tickets purchased q(i)j as: හා තවදුරටත් සාමාන්ය බෙදාහැරීම මගින් binomial බෙදාහැරීම ළඟා කර ගන්න. Hj කුඩා අගය සඳහා පවා, එය සාමාන්ය ක්රියාකාරී වේ, නමුත් H1 හා H3 සිට සංචාරකයින් අසාමාන්ය මිශ්රයක් වේ - H1 සිට සංචාරකයින් සඳහා පමණක් පළමු ටිකට් විකුණන අතර H3 සිට සංචාරකයින් සඳහා පමණක් ඉතිරි ස්ථාන විකුණන ආකාරය කිසිවක් නැත. H3 සිට සංචාරකයින් සඳහා පමණක් ඉතිරි ස්ථාන විකුණන අතර, ගුවන් තොටුපොළ A සහ B ප්රමාණවත් සංඛ්යාවක් විසින් වෙන් කර ඇත නම්, H2 සහ H3 හි මිශ්රය වෙනස් කාලයට අදාළ සංයුක්තයක් ඇති වනු ඇත. උදාහරණයක් ලෙස, A3 රාත්රියේදී මිල අඩු කරයි නම්, H3 සිට සංචාරකයින් විසින් මෙම අඩු දත්ත සෑම විටම පළමුවෙන් පැමිණෙන බව මතක තබා ගැනීම වැදගත් වේ.අපි Hj∼Poisson(λj) ලිව්වා නම් පවා එය උදාහරණයක් සඳහා සිදු කරන අතිශයින් අසාමාන්ය සමීපතාවක් වේ.Poisson බෙදාහැරීම වෙනුවට, සෑම විටම ඉතා සංකීර්ණ කොන්දේසිගත බෙදාහැරීමක් ඇත, එය දත්ත වලින් සකස් කරන දේ වේ. Mixing passenger flows, limited aircraft capacity, quotas, and many other nuances make it impossible to derive the distribution of the number of tickets sold analytically. To get adequate values of q, it is necessary to model the sales process. යමක් ආකෘති කිරීමට පෙර, ප්රශ්නයේ මූලික ප්රමාණයන් සකස් කළ යුතුය. Suppose that route A→B→C is the Vladivostok-Moscow-Sochi route: VVO→SVO→AER. මෙම ගුවන් යානා පහත සඳහන් ගුවන් යානා මගින් මෙහෙයවනු ලැබේ: VVO→SVO — A1 ගුවන් සමාගමේ A350 ගුවන් යානා V=325 ප්රමාණය සමග පියාසර කරන ලදී. SVO→AER — A2 ගුවන් සමාගමේ A320 ගුවන් යානා V=180 ප්රමාණය සමග පියාසර කරන ලදී. SVO→AER — V=190 ප්රමාණය සහිත බෝයිං 737 ගුවන් යානා මත A3 ගුවන් සමාගම විසින් මෙහෙයවනු ලැබේ. The fixed costs will be as follows: C(1) Fix — 48360 c.u. C(2)fix – 10270 c.u; C(2)fix — 9890 c.u. වෙනස් වියදම් : c(1)var — 6.8 c.u. / මගී c(2)var — 5.4 c.u. / මගී c(2)var — 5.1 c.u. / මගී Assume that passenger flows are distributed as follows: H1 ~ Poisson (λ1 = 370) H2 ~ Poisson (λ2 = 350) H3 ~ Poisson (λ3 = 110) ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච ප් රචණ්ඩත්වය සිදුවේ, නමුත් එය ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන පුරපැම අතර වෙනස අප හඳුනාගත යුතුය, එය උඩඟුකමේ අනිවාර්ය ප් රතිපලයයි. ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච pb\_20 = 1 - pb\_22 - pb\_23 ප් රචණ්ඩත්වය සිදුවේ.[20][21] ප් රචණ්ඩත්වය සිදුවේ.අපේ ප් රචණ්ඩත්වය සිදුවේ.අපේ ප් රචණ්ඩත්වය සිදුවේ.අපේ ප් රචණ්ඩත්වය සිදුවේ. ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච pb\_30 = 1 - pb\_32 - pb\_33 ප් රචණ්ඩත්වය සිදුවේ.[29][30][31] නැවත PH_1, PH_2, PH_3 def sales(P): h_1 = poisson.rvs(mu=370) h_2 = poisson.rvs(mu=350) h_3 = poisson.rvs(mu=110) h\_all = np.sum(\[h\_1, h\_2, h\_3\]) p\_in\_h = np.array(\[h\_1, h\_2, h\_3\]) / h\_all ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච if pass\\\_in\\\_h == 2: a\\\_i = np.random.choice(\\\[0, 2, 3\\\], p=P\\\[1\\\]) if a\\\_i == 2: if q\\\_2 < v\\\_2: q\\\_2 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if pass\\\_in\\\_h == 3: a\\\_i = np.random.choice(\\\[0, 2, 3\\\], p=P\\\[2\\\]) if a\\\_i == 2: if q\\\_2 < v\\\_2: q\\\_2 += 1 if q\\\_1 < v\\\_1: q\\\_1 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if q\\\_1 < v\\\_1: q\\\_1 += 1 නැවත q\_1, q\_2, q\_3 ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච def e_profit(prices, n_iter): P = prob_in_trafic(prices) return np.mean([profit_a(prices, sales(P)) for _ in range(n_iter)], axis = 0) දැන් අපි modeling හා optimization ආරම්භ කළ හැක. ප්රශ්න ඇති: කුමක් සහ කොහොමද optimize? කුමක් සහ කුමක් සංසන්දනය කිරීමට සලකා බැලීමට ප්රතිලාභ වැඩි වේද? Ideally, every airline wants to increase its profit, but changes in the price of one airline’s tickets affect all passenger traffic. These changes are noticed by other airlines and they too change the price, which again leads to changes in passenger flows. This means that profit gains cannot be achieved by applying the optimization method just once. Thus, there is only one requirement for the method — it must show a non-negative profit increase for all parameters. කිසිදු ගුවන් සමාගමක් codeshare ගිවිසුමක් අත්සන් කර ඇති බව අනුමාන කරමු සහ පහත සඳහන් මිල ගණන් හොඳම ලෙස සැලකිලිමත් කරමු: මිල (1) 1 = 185 මිල (2) 2 = 114 මිල(3) 2 = 110 එවිට ඔවුන්ගේ ලාභ බෙදාහැරීම පහත පරිදි වනු ඇත: මිල ගණන් = [185, 114, 110] q_data = [] profit_data = [] P = prob_in_trafic(prices) ප් රමාණයේ i සඳහා(1000): Q = විකුණුම්(P) q_data.append(Q) profit_data.append(profit_a(prices, Q)) q_data = np.array(q_data) profit_data = np.array(profit_data) fig, ax = plt.subplots(1, 3, figsize=(12, 3.5) ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච sns.kdeplot(profit_data[:, 1], ax=ax[1]) e_pa_2 = np.mean(profit_data[:, 1]) ax[1].axvline(e_pa_2, color='C3', label=f'{e_pa_2:.0f} c.u.') ax[1].legend() ax[1].set_title(r'$A_{2}$') ax[1].set_xlabel('Profit (c.u.)') ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච plt.suptitle('විශාල ලාභ බෙදාහැරීම') plt.tight_layout(); A3 ගුවන් සමාගම් සඳහා, මිල පැහැදිලිව හොඳම මිල නොවේ.එහෙත්, අපි දැන් A2 සහ A3 ගුවන් සමාගම් අතර සාමාන්ය ලාභය වෙනස් වන්නේ කෙසේද යන්න පිළිබඳ අවධානය යොමු කර ඇත. ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච pb\_11 = rvdem\_1.sf(price\_1) pb\_10 = 1 - pb\_11 ph\_1 = \[pb\_10, pb\_11\] ප් රචණ්ඩත්වය සිදුවේ, නමුත් එය ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන පුරපැම අතර වෙනස අප හඳුනාගත යුතුය, එය උඩඟුකමේ අනිවාර්ය ප් රතිපලයයි. ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච pb\_20 = 1 - pb\_22 - pb\_23 ප් රචණ්ඩත්වය සිදුවේ.[20][21] ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාප pb\_30 = 1 - pb\_31 - pb\_32 - pb\_33 ප් රචණ්ඩත්වය සිදුවේ, ප් රචණ්ඩත්වය සිදුවේ, ප් රචණ්ඩත්වය සිදුවේ නැවත PH_1, PH_2, PH_3 def sales_ch(P, w_1): h_1 = poisson.rvs(mu=370) h_2 = poisson.rvs(mu=350) h_3 = poisson.rvs(mu=110) ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන විනිශ්චය. v\_1, v\_2, v\_3 = 325, 180, 190 q\_1, q\_1\_ch, q\_2, q\_3 = 0, 0, 0, 0 ප් රමාණයේ iter(h\_all): pass\_in\_h = np.random.choice(\[1, 2, 3\], p=p\in\_h) if pass\_in\_h == 1: if np.random.choice(\[0, 1\], p=P\[0\]): if q\_1 < v\_1 - w\_1: q\_1 += 1 if pass\\\_in\\\_h == 2: a\\\_i = np.random.choice(\\\[0, 2, 3\\\], p=P\\\[1\\\]) if a\\\_i == 2: if q\\\_2 < v\\\_2 - w\\\_1: q\\\_2 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if pass\\\_in\\\_h == 3: a\\\_i = np.random.choice(\\\[0, 1, 2, 3\\\], p=P\\\[2\\\]) if a\\\_i == 1: if q\\\_1\\\_ch < w\\\_1: q\\\_1\\\_ch += 1 if a\\\_i == 2: if q\\\_2 < v\\\_2 - w\\\_1: q\\\_2 += 1 if q\\\_1 < v\\\_1 - w\\\_1: q\\\_1 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if q\\\_1 < v\\\_1 - w\\\_1: q\\\_1 += 1 නැවත q\_1, q\_1\_ch, q\_2, q\_3 def profit_a_ch(prices, Q, w_1): profit_1 = (Q[0] * prices[0] + Q[1] * prices[-2]) - (Q[0] + Q[1]) * 6.8 - w_1 * prices[-1] - 48360 profit_2 = (Q[2] * prices[1] + w_1 * prices[-1]) - (Q[2] + Q[1]) * 5.4 - 10270 profit_3 = Q[3] * prices[2] - Q[3] * 5.1 - 9890 return profit_1, profit_2, profit_3 def e_profit_ch(prices, w_1, n_iter): P = prob_in_trafic_ch(prices) return np.mean([profit_a_ch(prices, sales_ch(P, w_1), w_1) for _ in range(n_iter)], axis = 0) A1 සහ A2 හි ලාභයේ සියලුම වටිනාකම් එකවරම 0 ට වඩා විශාල බව බලන්න: ප් රචණ්ඩත්වය සිදුවේ, නමුත් ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පාපයට එරෙහිව ශුද්ධ විනිශ්ච x = np.linspace(0, 17500) y_1 = -x + 20000 y_2 = -0.8 * x + 20000 plt.plot(x, y_1, 'C3', label='Indifference') plt.plot(x, y_2, 'C2', label='Interest') plt.xlabel(r'$A_{2}$ ලාභය (c.u)') plt.ylabel(r'$A_{1}$ ලාභය (c.u)') plt.title('කාලීන ගුවන් සමාගම් දෙකේ ධනාත්මක ලාභ අගය බෙදා හැරීම') ප් රචණ්ඩත්වය ( ප් රදර්ශනය ( පර්ටෝ-නිර්මානුකූල කට්ටලයේ සියලු ප්රශ්න ඇතුළත් වන, ඉහළට සංකීර්ණ හා තනිව පහත වැටෙන ක්රියාකාරීතාවය මගින් පහලින් සීමා කර ඇත. මෙම කට්ටලයේ ප්රශ්න සංකීර්ණ නම්, සංකීර්ණ කොටස් වලින් සමාන කොටස් කපන සංකීර්ණ කොටස් සීමා කරන ලදී. මෙම ප්රවේශය අසාමාන්ය ප්රවේශයක් ලෙස හඳුන්වනු ලැබේ. ඵලදායී කට්ටලය කවදාවත් සංකීර්ණ නොවේ, එබැවින් සහභාගීන්ට සංකීර්ණ තීරණයක් කරන විට අසාමාන්යතාවය සලකා බැලිය යුතු බව සහතික කිරීම සඳහා උනන්දුවක් ඇත. මෙම අවස්ථාවේදී, සංකීර්ණ කොටස් උඩින් සංකීර්ණ සෑම විටම ස්ටොකස්ටික් ආකාරයේ ප්රශ්නයක් සඳහා එවැනි එකතුවක් ඉදිකිරීම පර්යේෂණ හා සමීපතාවයක් අවශ්ය වේ - එය විශ්ලේෂිකව ගොඩනඟා ගත නොහැක. උපරිම උනන්දුවක් ඇති ප්රමාණයන් පහත සඳහන් වේ: (0, 12000) සහ (17500, 0). උපරිම උනන්දුවක් ඇති ප්රමාණයන් හරහා ගමන් කරන තවත් රේඛාව සමඟ සෘජු රේඛාව ලෙස, y=−0.8x+20000 සමාගමක් සහිත රේඛාව ගන්න. මිල (1) 1 = 185 මිල (2) 2 = 114 මිල (1) ch = 345; මිල (2)ch = 120; ප් රතිපත්තිය = 3 = 29 codeshare flight ආකෘතිය ඇතුළත් කිරීමෙන් පසු, ලාභ බෙදාහැරීම මේ ආකාරයට පෙනේ: price_opt = [185, 114, 110, 345, 120] w_opt = 29 P = prob_in_trafic_ch(prices_opt) Q_ch_data = [ ] ආදායම_ch_data = [ ] ප්රමාණයේ දී (1000): Q = sales_ch(P, w_opt) q_ch_data.append(Q) profit_ch_data.append(profit_a_ch(prices_opt, Q, w_opt)) Q_ch_data = np.array(q_ch_data) profit_ch_data = np.array(profit_ch_data) price_opt = [185, 114, 110, 345, 120] w_opt = 29 P = prob_in_trafic_ch(prices_opt) Q_ch_data = [ ] ආදායම_ch_data = [ ] ප්රමාණයේ දී (1000): Q = sales_ch(P, w_opt) q_ch_data.append(Q) profit_ch_data.append(profit_a_ch(prices_opt, Q, w_opt)) Q_ch_data = අංකය අංකය අංකය අංකය අංකය අංකය අංකය අංකය අංකය ලාභ වැඩි කිරීමෙන් අමතරව, අපි නිහඬව සාකච්ඡා ප්රශ්නය විසඳා ඇත. කේත බෙදාහැරීමේ ගිවිසුම් පහසුකම් සඳහා සියලු ආකෘති එක් ගුවන් සමාගමට පමණක් ආදායම වැඩි දියුණු කරයි. අවසානයේ, එවැනි ආකෘති භාවිතා කරන ගුවන් සමාගම් දෙකක් (පිරිමානුකූල හවුල්කරුවන්) විවිධ දර්ශන සමඟ සාකච්ඡා පැවැත්වෙනු ඇත - මෙය අවසාන ප්රතිඵලයේදී සියල්ල ඔවුන් සාකච්ඡා කරන ආකාරය මත රඳා පවතී. පැරාටෝ-ශක්තිමත් කට්ටලයක් ගොඩනැගීම පමණක් නොව දෙකම ගුවන් සමාගම් ලාභ වැඩි දියුණු කරයි, නමුත් සාකච්ඡා ගොඩක් පහසු කරයි, ක්රීඩා තාක්ෂණයට වඩා සෘජුවම හා කෙටි මාර්ගය විවෘත කරයි - මිනිස් අංගය සම්පූර්ණයෙන්ම ඉවත් කරයි. මගීන් බෝතල්ගත කිරීම සහ ගබඩා කිරීම පිළිබඳ අදහසක් ඉතා ගැඹුරු වන අතර එහි "වැඩි ප්රතිඵල" ඇත. එවැනි අදහසක් වලින් සල්ලි කොපමණ විය හැක? සැබෑ සහ අනුකූල දත්ත මත පරීක්ෂා කිරීම, සංචාරකයින්ගේ කැමැත්ත ගැන සැලකිලිමත් වීම සහ දෙකේම ගුවන් සමාගම් සඳහා හොඳම ප්රතිශත සහ ලාභ ගණනය කිරීමෙන් ප්රතිශතය පමණක් ක්රමයට වඩා වැදගත් ලාභ ලබා දෙයි: රතු පාටය පෙන්වන්නේ ගිවිසුමකට ඇතුළත් නොවූ ගුවන් සමාගම් විසින් කොපමණ අහිමි වී ඇති බව - ඔබට දැක ගත හැකිය, සාමාන්යයෙන්, අහිමි වීම codeshare ගුවන් ගමන් නිර්මාණය කරන ගුවන් සමාගම්ගේ ලාභයට වඩා වැඩි බව. මෙම තරඟය ගැන කතා කිරීම මෙතැනදී සම්පූර්ණයෙන්ම සුදුසු නොවේ. ප්රශ්නය වන්නේ මගී ප්රවාහයේ වෙනස්වීම් මුළු මාර්ගය ජාලයට බලපාන බවයි. එවැනි වෙනස්වීම්වල අහිතකර හෝ ධනාත්මක බලපෑම ජාලයේ සියලු සහභාගීන්ට බලපෑම් කළ හැකිය: සහකරු, තරඟකරුවන් සහ පවා කිසිසේත් සැලකිලිමත් නොවූ අය. ගුවන් සමාගම් ද බොහෝ විට codeshare ගුවන් ගමන් ආකර්ෂණීයතාවය ඉහළ අගය කර ඇත. සමහර විට මිල ඩොලර් 100 කට වඩා වැඩි වේ. සංචාරකයින් සැබවින්ම සංවේදීතාවය බොහෝ වටිනවා, නමුත් ඉතා ආකර්ෂණීය මිල නිසා, ඔවුන් වඩාත් පහසු නමුත් වඩාත් ලාභ විකල්ප තෝරා. ප්රවේශය ප්රශ්නය ප්රශ්නය දෙකක් ප්රශ්නය විශේෂ අවධානය යොමු කිරීමට සුදුසු බව ය. මෙහෙයුම් ප්රවාහන සමාගමක් (ඔහු සැබවින්ම මගීන් ප්රවාහන කරන පුද්ගලයා) විසඳුම් Pareto-optimal සබඳතා ගණනය කරන්නේ කෙසේදැයි නොදන්නේ නම්, අලෙවිකරණ ප්රවාහන සමාගමක් (ඔහු ටිකට් විකුණන පුද්ගලයා) පහසුවෙන් මෙය ප්රයෝජන ගත හැකි අතර එය වියදම් කිරීමට වඩා අඩු විය හැකිය. උදාහරණයක් ලෙස, මෙම ලිපිය තුළ පමණක් වඩාත් පොදු වර්ගයේ නොමිලේ විකිණීමට codeshare ලෙස සැලකිලිමත් විය - ගුවන් සමාගම් දෙකම අනෙකුත් ගුවන් සමාගමේ ගුවන් යානය ඔවුන්ගේම ලෙස ප්රකාශ කළ හැකි අතර, විකිණීමට හැකි ස්ථාන සංඛ්යාව පිළිබඳ සීමාව අඩු හෝ කිසිදු සීමාවක් සහිතව (එක ගුවන් යානයේ ධාරිතාවය හෝ සීමාව ඇතුළත). කෙසේ වෙතත්, සැලකිලිමත් optimization ක්රමය වෙනත් වර්ගවල codeshare සඳහාත් සුදුසු වේ, උදාහරණයක් ලෙස, බ්ලැක්-ස්වාසි - වෙළඳ සමාගමක් විසින් විකිණීමට හැකි ස්ථාන සංඛ්යාව සකස් කරන විට. එකිනෙකාට අනුව, විවිධ ගිවිසුම් සලකා බැලීම මෙම කාර්යය ටිකක් වඩාත් සංකීර්ණ කරයි, නමුත් අනෙක් අතට, එය ගුවන් සමාගමට විවිධ කොන්දේසි එකතු කිරීමට ඉඩ සලසයි, ආකර්ෂණීය ප්රතිලාභ පමණක් නොව, පුළුල් මාර්ගය ජාලය නිසා නිතිපතා සහ නව මගීන් සඳහාත් ආකර්ෂණීයත්වය. අවසාන වශයෙන් codeshare ගිවිසුම නිසා පමණක් ලාභය 5% වැඩිවීම නරක ප්රතිඵලයක් නොවේ. එය තවත් විය හැකිද? ඇත්ත වශයෙන්ම, ඔව්. මෙම ගැටලුව IFAM ගුවන් යානා ප්රමාණය ආකෘති සහ මගී ප්රවාහය බෝතලේන්කරණය / ගබඩාව ප්රතිපත්තිය මත පදනම්ව මගී සංඛ්යාපනය ප්රමාණය ප්රමාණය ප්රමාණය ප්රමාණය ප්රමාණය ප්රමාණය ප්රමාණය ප්රමාණය ලෙස දැක්විය හැක. codeshare ගුවන් යානය සමහර විප්ලවීය ගුවන් යානා විසින් මෙහෙයුම් කරන ගුවන් යානයක් ලෙස සැලකේ. මෙම අවස්ථාවේ දී, ලාභය වැඩි විය හැකිය. IFAM එක් ගුවන් සමාගමක් පමණක් සලකා බලනවා, නමුත් මෙම ආකෘතියේ නවකතාවය නිසැකවම පළමු වතාවට එය සමහර මගී ප්රවාහයේ වෙනස්වීම් අනෙකුත් මගී ප්රවාහයේ වෙනස්වීම් මත බලපෑම් සලකා බැලිය යුතු බව යි. IFAM පුළුල් කිරීමෙන් ඇති ගැටලුව වන්නේ, සෑම ප්රතිඵලදායික බෙදාහැරෙන ගුවන් යානයකටම සැබවින්ම වෙන්වුණු වෘත්තීය ගුවන් යානයක් ලෙස සැලකිලිමත් කළ යුතු බවයි. ගුවන් සමාගමේ ගුවන් යානයක එම ප්රතිඵලදායි ගුවන් යානා 100 කට වඩා හෝ 1000 කට වඩා වැඩි විය හැකියි. ඒ සියල්ල නොවේ – IFAM තීරණයට සාමාන් යයෙන් ගුවන් යානයක සැබෑ ගුවන් යානා පියාසර කරන ලද ස්ථානවලට අනුකූල වේ. සෑම වෘත්තීය ගුවන් යානා සහ ටිකට් මිල තෝරා ගැනීමෙන් පසුව මුළු මාර්ගය ජාලය පුරා මගීන් ගමනාන්ත ප් රමාණය ගණනය කළ යුතුය. මෙම ලිපියේ ආරම්භයේදී සඳහන් කළ පරිදි, ගැටලුව විසඳීමට හැකි වන්නේ දත්ත තිබේ නම් පමණි - වඩාත් නිවැරදිව, විශාල දත්ත ප්රමාණයක්. එක් ආකාරයකින් හෝ අනෙකුත් ආකාරයකින්, එය සංචාරකයින් විසින් කරන ලද අමුද්රව්ය තෝරාගැනීම් ආකෘති කිරීම සඳහා සීමා වේ. සමහර ගුවන් සමාගම්, ඔවුන්ගේ විශාල ප්රතිලාභ දත්ත සමග, එය ඉතා හොඳින් ක්රියා කරයි, නමුත් පවා ඔවුන් GDS (Global Distribution System) සමඟ තරඟ කළ නොහැක. මෙම හේතුව වන්නේ ගුවන් සමාගම් ඔවුන්ගේ මාර්ගය ජාලයේ පමණක් මගීන් ප්රවාහනය පිළිබඳ දත්ත ඇති අතර, GDS මුළු පින්තූරය දකින්නේය සහ මගීන් ප්රවාහයේ වෙනස්වීම් පිළිබඳ බොහෝ සංඛ්යාවක් විශ්ලේෂණය කළ හැකිය. කෙසේ වෙතත්, මෙය GDS නව පරම්පරාව සඳහා In reality, no airline will ever be able to assess the redistribution of passenger flows in a timely manner, simply because it requires data from other airlines. In this article we have touched, albeit in passing, on the topic of multi-criteria optimization, which facilitates negotiations, which in turn takes us into game theory. But this theory has repeatedly proved that cooperative strategies are the most profitable and sustainable. In order to achieve this, a new generation of GDS is needed, then any airline would have access to anonymized data on passenger traffic of other airlines. Thanks to this it is possible to achieve a qualitatively new level of optimization not only of codeshare agreements, but also of a number of other tasks: schedules, fleet deployment, etc. GDS හි හැකියාවන් තේරුම් ගැනීම සඳහා, අප සරල ප්රශ්නයක් අහමු: සැලකිලිමත් ප්රශ්නය තුළ සියලු ගුවන් ගමන් තුනක් නොව එක් ගුවන් සමාගමක් විසින් සිදු කළහොත් කුමක් සිදුවෙයිද? මේ අවස්ථාවේදී, සියලු ගුවන් යානා වලින් ලැබෙන ප්රතිලාභයේ සාමාන්ය සංඛ්යාව පමණක් අවම කර ගත හැකිය. ඔබට සාමාන්ය IFAM ගැටලුව ලැබෙනු ඇත, සහ මුළු ප්රතිලාභයේ ප්රතිලාභය codeshare ගුවන් යානා හඳුනා ගැනීමෙන් වඩා විශාල වනු ඇත. එකම ගැටලුව වන්නේ ගුවන් යානා විවිධ ගුවන් සමාගම් විසින් ක්රියාත්මක වන බවයි. මධ්යම කළමනාකරණය වඩාත් වාසි ඇත, නමුත් එය ද දුෂ්කරතා ඇත. ප්රමාණවත් දත්ත නිසා, ගුවන් සමාගම් මෙය කළ නොහැක, නමුත් GDS කළ හැකිය.