在在线货运招标中，承运人或经纪人面临实时接受或拒绝招标负载的闭环随机决策问题，需要考虑操作可行性、车队重定位成本以及未来需求的机会成本。现有的公共、可重复基准稀缺：现有的路由基准是静态的，而动态车队研究通常依赖于私营运营商的数据。
我们引入了 FreightBidBench，这是一个公共校准、无依赖的闭环基准，其中可行性（提货范围、预约窗口、简化的服务时间、随机场地延迟）和经济性（服务失败罚金、终端车队价值、每日价格溢出窗口）都是明确的、版本化的，并且可以从公共货运分析框架和美国农业部的货车费率数据中重现。
我们开发了两个完整的回顾上限：一种简单的线性规划风格松弛和一种更紧的拉格朗日每车信息松弛，后者保留了每车的服务时间和排序结构，在紧张容量场景下比线性规划松弛紧20.7%，在稀缺容量场景下紧39.3%。
我们引入了一个参数化的替代滚动级联，具有边界带和稀缺压力升级触发器。在十个紧张和稀缺场景中，最佳简单策略保留了91.0%和86.5%的滚动利润，而标准库替代保留了94.2%和89.3%；在单一升级带的情况下，级联在滚动平均决策延迟的40-56%时大约恢复了98%，在紧张场景下与滚动教师在统计上没有显著差异（配对自助95%置信区间的利润差异跨越零）。
博主点评： 本文通过引入 FreightBidBench 为在线货运招标提供了一个重要的公共基准，解决了以往研究中缺乏动态数据的问题。通过高效的算法和松弛技术，显著提高了决策的可行性与经济性，推动了物流领域的研究进展。此研究为未来的动态优化提供了新的思路与框架。