评估深度学习算法在报童问题中的性能
机器学习
2017-06-12 v1 机器学习
摘要
在零售商管理中，报童问题作为基本库存模型之一受到了广泛关注。在解决该问题的传统方法中，依赖于需求的概率分布。理论上，如果概率分布已知，该问题可被视为已完全解决。然而，在任何现实场景中，几乎不可能为需求近似或估计出更好的概率分布。近年来，研究人员开始采用机器学习方法，利用其他特征信息来学习需求预测模型。在本文中，我们提出了一种基于特征信息优化产品需求量的监督学习方法。我们证明，以原始报童损失函数作为训练目标优于近期提出的二次损失函数。新算法在合成数据和真实世界数据上均进行了评估，展现出更好的性能。
引用
@article{arxiv.1706.02899,
title = {Assessing the Performance of Deep Learning Algorithms for Newsvendor Problem},
author = {Yanfei Zhang and Junbin Gao},
journal= {arXiv preprint arXiv:1706.02899},
year = {2017}
}