[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-127987-110":49,"doc-detail-127987-es":124},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":117,"head_meta":119,"extra_data":121,"updated_unix":123},110,"es","airline-ticket-price-optimization-based-on-dynamic-programming-and-machine-learning","Optimización de precios de una aerolínea basada en programación dinámica y Machine Learning","","Trabajo fin de máster que resuelve y optimiza el problema de fijación de precios de billetes de avión en función de la demanda diaria mediante programación dinámica y técnicas de machine learning. Se plantea un horizonte de 100 días para vender 100 billetes, tomando una decisión diaria sobre precio y cantidad que maximiza el beneficio considerando que la demanda solo se conoce para el día actual. Tras estudiar algoritmos alternativos, se implementan mejoras incorporando tendencia de demanda y, posteriormente, predicción de la demanda futura con Random Forest Regressor usando las 10 últimas demandas.",{"@graph":59,"@context":116},[60,77,99],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":47,"@type":66,"position":73},"https://docshare.wps.com/es/document/tecnología/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/airline-ticket-price-optimization-based-on-dynamic-programming-and-machine-learning/127987/",4,{"url":75,"name":55,"@type":78,"image":79,"author":84,"headline":55,"publisher":87,"fileFormat":90,"inLanguage":53,"description":57,"dateModified":91,"datePublished":92,"encodingFormat":90,"isAccessibleForFree":93,"interactionStatistic":94},"DigitalDocument",{"url":80,"@type":81,"width":82,"height":83},"https://docshare.wps.com/thumbnails/airline-ticket-price-optimization-based-on-dynamic-programming-and-machine-learning/127987.png","ImageObject",300,407,{"name":85,"@type":86},"Ezra","Person",{"url":64,"name":88,"@type":89},"DocShare","Organization","application/pdf","2026-09-20","2026-08-05",true,{"@type":95,"interactionType":96,"userInteractionCount":98},"InteractionCounter",{"@type":97},"ViewAction",5,{"@type":100,"mainEntity":101},"FAQPage",[102,108,112],{"name":103,"@type":104,"acceptedAnswer":105},"Cuál es el objetivo del trabajo sobre optimización de precios de una aerolínea?","Question",{"text":106,"@type":107},"Maximizar el beneficio total decidiendo cada día el precio del billete y la cantidad a vender, considerando el efecto de vender hoy sobre el desempeño de los días futuros.","Answer",{"name":109,"@type":104,"acceptedAnswer":110},"Cómo se formula el desafío inicial del problema de venta de billetes?",{"text":111,"@type":107},"Se define un horizonte de 100 días y un total de 100 billetes, donde la aerolínea decide diariamente el precio en función de la demanda del día y determina cuántos billetes se venden.",{"name":113,"@type":104,"acceptedAnswer":114},"Qué papel juegan el machine learning y Random Forest Regressor en la solución final?",{"text":115,"@type":107},"El modelo usa las 10 últimas demandas para predecir la demanda completa del siguiente período; con esa predicción, se integra con programación dinámica y las mejoras para aumentar aún más el beneficio.","https://schema.org",{"og:url":75,"og:type":118,"og:title":55,"og:site_name":88,"og:description":57},"article",{"robots":120,"canonical":75},"index,follow",{"doc_id":122,"site_id":52},127987,1785943681,{"code":4,"msg":5,"data":125},{"doc_id":122,"user_id":126,"nickname":85,"user_avatar":127,"doc_module":4,"category_id":46,"category_name":47,"doc_title":55,"doc_description":57,"doc_content":128,"file_id":129,"file_url":130,"file_type":131,"file_size":132,"view_count":98,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":133,"language":134,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":135,"faqs":136,"seo_title":137,"seo_description":57,"update_tm":123,"read_time":138},2336474466412,"https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d","Trabajo Final de Máster  \nMáster en Ingeniería en Tecnologías Industriales  \nOptimización de precios de una aerolínea basada en Programación Dinámica y Machine Learning  \nMemoria  \nAutor: Gabriel Gutiérrez Heredero  \nDirector: Vicenç Parisi Baradad  \nConvocatoria: Septiembre 2024  \nEscola Tècnica Superior d’Enginyeria Industrial de Barcelona  \nResumen  \nEn este trabajo se ha resuelto y optimizado el desafío de las aerolíneas a la hora de establecer el precio de los billetes de avión en función de la demanda diaria, a través de técnicas deprogramación dinámica y machine learning. Para ello, se ha creado un ejercicio donde una aerolínea tiene 100 días para vender 100 billetes, y la decisión diaria que se debe tomar es a qué precio se venden los billetes, y como consecuencia de esto, cuántos se venden. El precio de venta depende de la demanda diaria, cuanto mayor es la demanda, más caros se pueden vender los billetes. Este ejercicio es aparentemente sencillo porque el problema no tiene muchas variables, sin embargo, debido a que solo se conoce la demanda del día en el que te encuentras, la decisióndiaria de la aerolínea de a qué precio vender el billete y cuántos vender no es trivial, ya que vender hoy puede suponer perder dinero mañana, y el objetivo es lograr el máximo beneficio posible.  \nLo primero que se ha hecho es un estudio de diferentes algoritmos, para acabar escogiendo la Programación Dinámica como el mejor método para maximizar el beneficio de la aerolínea. Después de algunos análisis, se ha llegado a la conclusión de que, a pesar de que la solución era buena, no era la mejor. Así que se ha procedido a buscar la forma de mejorar el programa.  \nUna vez agotadas todas las mejoras se ha implementado la siguiente variante al problema. Inicialmente la demanda diaria era un valor aleatorio entre 100 y 200, así que, con el objetivo de acercar el problema a la realidad se ha decidido añadir tendencia a la demanda. Debido a este cambio, han surgido nuevas problemáticas, pero también nuevas oportunidades de mejorar el resultado.  \nFinalmente, se ha hecho una última consideración. Además de que la demanda siga unatendencia, se ha determinado que la aerolínea conozca las demandas de los 10 últimos períodos. Gracias a esta información adicional, y después de estudiar varios algoritmos de machine learning, se ha diseñado un modelo con la técnica Random Forest Regressor que, a través de las 10 últimas demandas, ha sido capaz de predecir la demanda completa del siguiente período. Gracias a predecir la demanda, con la ayuda de la programación dinámica y las diferentesmejoras, se ha logrado maximizar aún más el beneficio total. Por último, se ha hecho una comparativa del algoritmo con y sin las mejoras para evaluar la efectividad y se han propuestos nuevos pasos a seguir a partir de aquí .  \nTabla de contenido  \nResumen ............................................................................................................................. 1  \n1. Introducción ................................................................................................................ 5  \n1.1. Objeto.............................................................................................................................5  \n1.2. Alcance del proyecto ......................................................................................................5  \n1.3. Justificación ....................................................................................................................5  \n2. Estado del arte ............................................................................................................ 7  \n2.1. Técnicas de diseño de algoritmos ...................................................................................7  \n2.1.1. Algoritmos Greedy (Voraz) ...................................................................................................... 7  \n2.1.2. Divide y Vencerás..........................................","cbCaiuB9FSVwFOUt","https://ap.wps.com/l/cbCaiuB9FSVwFOUt","pdf",3127713,63,"Spanish","# Resumen\n# Introducción\n## Objeto\n## Alcance del proyecto\n## Justificación\n# Estado del arte\n## Técnicas de diseño de algoritmos\n## Modelos basados en Machine Learning\n## Tendencias futuras y desafíos del Machine Learning\n# Desafío de optimización de precios de una aerolínea\n# Técnicas de resolución del desafío de la aerolínea\n## Heurística 1\n## Heurística 2","[{\"question\":\"Cuál es el objetivo del trabajo sobre optimización de precios de una aerolínea?\",\"answer\":\"Maximizar el beneficio total decidiendo cada día el precio del billete y la cantidad a vender, considerando el efecto de vender hoy sobre el desempeño de los días futuros.\"},{\"question\":\"Cómo se formula el desafío inicial del problema de venta de billetes?\",\"answer\":\"Se define un horizonte de 100 días y un total de 100 billetes, donde la aerolínea decide diariamente el precio en función de la demanda del día y determina cuántos billetes se venden.\"},{\"question\":\"Qué papel juegan el machine learning y Random Forest Regressor en la solución final?\",\"answer\":\"El modelo usa las 10 últimas demandas para predecir la demanda completa del siguiente período; con esa predicción, se integra con programación dinámica y las mejoras para aumentar aún más el beneficio.\"}]","Optimización de precios de una aerolínea basada en programación dinámica y Machine Learning | PDF",97]