面向库存优化的数据驱动方法研究
人工智能
2025-05-14 v1
摘要
本文对三种算法（时间序列法、随机森林（Random Forest, RF）和深度强化学习）在三种库存模型（丢失销售模型、双源库存模型和多层级库存模型）中的应用进行系统分析。这些方法在超市场景中得到应用。其主要目的是分析数据驱动方法的效率。本报告考虑了这些方法的可能性、潜力以及当前挑战。在对比每个模型中的结果后，根据包括预测准确性、应对市场变化的适应性以及整体库存成本和客户满意度水平等多个关键绩效指标，对每个算法的有效性进行评估。数据可视化工具和统计指标是比较的指标，并显示出一些明显的趋势和模式，可指导库存管理中的决策。这些工具使经理不仅能够实时跟踪不同算法的表现，还能深入查看特定数据点，以了解库存波动的底层原因。这种细节对于确定供应链中的效率不足和改进区域至关重要。
引用
@article{arxiv.2505.08673,
title = {A Study of Data-driven Methods for Inventory Optimization},
author = {Lee Yeung Ping and Patrick Wong and Tan Cheng Han},
journal= {arXiv preprint arXiv:2505.08673},
year = {2025}
}