基于径向基函数的多级库存管理深度 Q 网络
机器学习
2024-01-30 v1 人工智能
最优化与控制
摘要
本文研究了一个具有复杂网络拓扑的多级库存管理问题，其中推导最优订货决策十分困难。深度强化学习 (DRL) 最近在解决此类问题上展现了潜力，但设计 DRL 中的神经网络仍然是一个挑战。为了解决这个问题，我们开发了一种 Q 网络基于径向基函数的 DRL 模型。与基于神经网络的传统 DRL 模型相比，该方法更容易构建，从而减轻了超参数调优的计算负担。通过一系列仿真实验，证明了该方法优于简单的基础库存策略，在多级系统中产生了更好的策略，并在基础库存策略为最优的串联系统中表现出有竞争力的性能。此外，该方法优于当前的 DRL 方法。
引用
@article{arxiv.2401.15872,
title = {A Deep Q-Network Based on Radial Basis Functions for Multi-Echelon Inventory Management},
author = {Liqiang Cheng and Jun Luo and Weiwei Fan and Yidong Zhang and Yuan Li},
journal= {arXiv preprint arXiv:2401.15872},
year = {2024}
}