随着移动互联网在各行各业的深入,诸多线下消费的行业将售卖和交易行为转向了线上,形成O2O模式。国内一些大型的O2O平台作为信息流的中间方,已经积累了大量的用户、商家、交易等类型的数据。因此,大数据时代线上电子化的交易已经构成了实时动态定价的应用环境基础,电子商务平台的自动化动态定价已经成为趋势。当面临电子商务平台大数据应用场景越来越复杂的环境条件,一方面数据的概率分布变得复杂且动态变化,另一方面特征数据来源于高维空间采样,因此传统的动态定价手段难以应对。近年来,深度学习和强化学习的结合,形成了深度强化学习理论,基于大数据的应用环境,已在多个领域取得了显著成效。本文运用深度强化学习理论来研究动态定价问题。首先,针对团购网站上大型连锁冷饮销售应用场景的O2O商业模式进行了分析,构建了有限库存下实时动态定价问题的模型。其次,将动态定价问题表述为一个马尔科夫决策过程,构建了动态定价问题的马尔科夫决策过程组成要素。然后,构建了动态定价问题的仿真环境并基于深度强化学习理论设计了针对应用场景的动态定价算法。最后,本文对应用场景案例进行了仿真实验以及结果分析。实验结果表明,本文基于深度强化学习设计的动态定价算法在仿真环境中的收益性质表现良好且应对线上需求分布的变化以及随机性风险也具有一定的鲁棒性。因此,基于深度强化学习建模动态定价问题是切实可行的,对于大数据环境下的动态定价问题具有良好的应用价值。