机票定价是指航空公司制定机票售价策略,将不同票价等级的机票适时地销售给不同的消费者以最大化航班座位收益,是提升票务收益的主要途径。现有机票定价研究存在两点不足:（1）定价策略建立在已知需求曲线的基础之上,其中曲线是通过历史数据拟合或分布假设而生成的,定价策略会因需求量预测偏差而降低性能。（2）定价策略是静态的,仅根据不同时间、航班剩余座位数等因素触发机票价格的调整规则,无法根据市场销售情况实时调整价格,影响整体收益。针对上述问题,开展基于强化学习的机票动态定价研究,旨在利用强化学习构建具有最大累计期望收益的实时动态定价策略。值得强调的是,机票动态定价并非大数据杀熟或因人设价,所有旅客在同一时刻享受相同的机票价格,只是价格会随销售时间、竞争与合作、航班剩余座位数等因素而动态变化。因此,如何构建适应实际需求环境且具有最大收益的售票策略成为机票动态定价面临的主要挑战。为解决上述问题,提出基于环境模型仿真的机票动态定价算法,其核心是将民航机票动态定价问题建模为马尔可夫决策过程,状态为航班定价时刻和当前剩余座位数,动作为票价等级。首先统计各票价等级的需求量以构建环境模型,在此模型的基础上进行规划产生每一个动作的模拟经验,通过回溯模拟经验更新价值函数,在反复迭代后学习系统将获得使得收益最大的动态定价策略。根据两趟航班实际订票数据分别进行104组和92组实验,仿真结果表明:执行动态定价策略下的收益相比于航班实际收益平均提升22.16%和14.10%。并通过实验分析了航班定价次数对模型性能的影响。由于基于环境模型的强化学习算法无法完全考虑环境随机性,同时在样本采集中又无法避免抽样误差,提出了一种基于策略学习的机票动态定价算法。其核心是不再直接预测各票价等级的需求量,而是将机票动态定价问题建模为离线强化学习过程,仅用航班当前剩余座位数描述状态信息。通过设计定价策略评估和策略更新的方式,从历史购票数据上学习具有最大期望收益的机票动态定价策略。在海量民航旅客订票日志上针对两趟航班分别进行717组和610组模拟定价实验,结果表明:相比于现行机票销售策略,策略学习算法在票务收入上的提升率分别为30.94%和39.96%,且比需求量预测方法提升了6.04%和3.36%,显著表明算法的有效性。