We study a collaborative revenue management problem where multiple decentralized parties agree to share some of their capacities. This collaboration is performed by constructing a large mathematical programming model that is available to all parties. The parties then use the solution of this model in their own capacity control systems. In this setting, however, the major concern for the parties is the privacy of their input data, along with their individual optimal solutions. We first reformulate a general linear programming model that can be used for a wide range of network revenue management problems. Then we address the data privacy concern of the reformulated model and propose an approach based on solving an equivalent data-private model constructed with input masking via random transformations. Our main result shows that, after solving the data-private model, each party can safely access only its own optimal capacity allocation decisions. We also discuss the security of the transformed problem in the considered multi-party setting. Simulation experiments are conducted to support our results and evaluate the computational efficiency of the proposed data-private model. Our work provides an analytical approach and insights on how to manage shared resources in a network problem while ensuring data privacy. Constructing and solving a collaborative network problem requires information exchange between parties that may not be possible in practice. Including data privacy in decentralized collaborative network revenue management problems with capacity sharing is new to the literature and relevant to practice.

我们研究了一个协作收益管理问题，其中多个去中心化方同意分享他们的一些能力。这种协作是通过构建一个可供所有各方使用的大型数学规划模型来执行的。各方然后在自己的容量控制系统中使用该模型的解决方案。然而，在这种情况下，各方主要关心的是他们输入数据的隐私，以及他们各自的最佳解决方案。我们首先重新制定一个通用线性规划模型，该模型可用于广泛的网络收入管理问题。然后，我们解决了重新制定的模型的数据隐私问题，并提出了一种方法，该方法基于解决通过随机转换使用输入掩码构建的等效数据隐私模型。我们的主要结果表明，解决数据私有模型后，每一方都可以安全地访问自己的最佳容量分配决策。我们还讨论了在考虑的多方设置中转换问题的安全性。进行模拟实验以支持我们的结果并评估所提出的数据私有模型的计算效率。我们的工作提供了一种分析方法和关于如何在确保数据隐私的同时管理网络问题中的共享资源的见解。构建和解决协作网络问题需要各方之间进行信息交换，这在实践中可能是不可能的。在具有容量共享的去中心化协作网络收入管理问题中包括数据隐私是文献中的新内容并且与实践相关。每一方只能安全地访问自己的最佳容量分配决策。我们还讨论了在考虑的多方设置中转换问题的安全性。进行模拟实验以支持我们的结果并评估所提出的数据私有模型的计算效率。我们的工作提供了一种分析方法和关于如何在确保数据隐私的同时管理网络问题中的共享资源的见解。构建和解决协作网络问题需要各方之间进行信息交换，这在实践中可能是不可能的。在具有容量共享的去中心化协作网络收入管理问题中包括数据隐私是文献中的新内容并且与实践相关。每一方只能安全地访问自己的最佳容量分配决策。我们还讨论了在考虑的多方设置中转换问题的安全性。进行模拟实验以支持我们的结果并评估所提出的数据私有模型的计算效率。我们的工作提供了一种分析方法和关于如何在确保数据隐私的同时管理网络问题中的共享资源的见解。构建和解决协作网络问题需要各方之间进行信息交换，这在实践中可能是不可能的。在具有容量共享的去中心化协作网络收入管理问题中包括数据隐私是文献中的新内容并且与实践相关。我们还讨论了在考虑的多方设置中转换问题的安全性。进行模拟实验以支持我们的结果并评估所提出的数据私有模型的计算效率。我们的工作提供了一种分析方法和关于如何在确保数据隐私的同时管理网络问题中的共享资源的见解。构建和解决协作网络问题需要各方之间进行信息交换，这在实践中可能是不可能的。在具有容量共享的去中心化协作网络收入管理问题中包括数据隐私是文献中的新内容并且与实践相关。我们还讨论了在考虑的多方设置中转换问题的安全性。进行模拟实验以支持我们的结果并评估所提出的数据私有模型的计算效率。我们的工作提供了一种分析方法和关于如何在确保数据隐私的同时管理网络问题中的共享资源的见解。构建和解决协作网络问题需要各方之间进行信息交换，这在实践中可能是不可能的。在具有容量共享的去中心化协作网络收入管理问题中包括数据隐私是文献中的新内容并且与实践相关。我们的工作提供了一种分析方法和关于如何在确保数据隐私的同时管理网络问题中的共享资源的见解。构建和解决协作网络问题需要各方之间进行信息交换，这在实践中可能是不可能的。在具有容量共享的去中心化协作网络收入管理问题中包括数据隐私是文献中的新内容并且与实践相关。我们的工作提供了一种分析方法和关于如何在确保数据隐私的同时管理网络问题中的共享资源的见解。构建和解决协作网络问题需要各方之间进行信息交换，这在实践中可能是不可能的。在具有容量共享的去中心化协作网络收入管理问题中包括数据隐私是文献中的新内容并且与实践相关。