模拟多层级供应链中基于行为与无模型的成本削减

订货信号中的放大与相移（通常称为牛鞭效应）导致了现实库存管理系统的过度负荷、缺货，以及通过安全库存建设造成的不必要资本占用。牛鞭效应是一个经典却持续存在的问题，对库存管理具有 reverberating 的后果。关于牛鞭效应的研究一贯强调该现象的行为影响因素，并利用行为订货模型提出干预措施。然而，更近期的无模型方法也取得了成功。本工作中，作者利用基于行为的模型基方法以及无模型双重深度 Q 网络强化学习方法，开发了缓解牛鞭效应的算法途径。除探索该特定无模型架构在具有不完美信息共享与信息延迟的多层级供应链中的效用外，作者还直接比较了这些模型基与无模型方法的性能。借此，本工作既凸显了在先前行为运筹管理文献背景下探索模型基方法所获得的洞见，也强调了模型基与无模型方法在应对基于行为的供应链管理问题中的互补性质。