ارائه ی چهارچوبی برای حراج معکوس آنلاین مبتنی بر یادگیری بازار ساز در شرایط ریسک گریزی خریدار

حراج معکوس آنلاین یکی از رویکردهای تامین کالا و مواد موردنیاز بر بستر اینترنت می باشد که در آن خریدار، یک یا چند فروشنده را بر اساس پیشنهادهای آن ها انتخاب می نماید. در این مقاله یک چهارچوب جدید برای فرایند حراج معکوس آنلاین ارایه شده است که هر دو سوی فرایند تامین (خریدار و فروشنده) را در نظر می گیرد. فرایند حراج پیشنهادی یک حراج معکوس آنلاین چند شاخصه ی نیمه بسته چند دوره ای می باشد. در این فرایند یک بازار ساز آنلاین، با پیش بینی تابع امتیازدهی خریدار، فرایند پیشنهاددهی فروشندگان را تسهیل می نماید. در این حالت، علاوه بر پنهان بودن تابع امتیازدهی فروشنده، اطلاعاتی جهت بهبود پیشنهاددهی در اختیار فروشندگان قرار می گیرد. برازش تابع امتیازدهی توسط یک شبکه عصبی پرسپترون چندلایه در نظر گرفته شده است. همچنین روش های امتیازدهی خریدار به صورت جمعی، ضربی و ریسک گریز تعریف شده است. در این چهارچوب، فروشندگان در هر دور با استفاده از یک مدل بهینه سازی، پیشنهادهای خود را بهبود می بخشند. با شبیه سازی 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 شبیه سازی نشان می دهد که در مدل پیشنهادی علاوه بر عدم افشای اطلاعات امتیازدهی خریدار، تفاوت معناداری در معیارهای ارزیابی با مدل حراج باز وجود ندارد.