双层级供应链中深度强化学习算法的比较
机器学习
2025-01-07 v3 人工智能
最优化与控制
摘要
在本研究中,我们分析并比较了用于求解供应链库存管理问题的前沿深度强化学习算法的性能。这一复杂的序贯决策问题包括在给定的时间范围内确定跨不同仓库生产和运输产品的最优数量。特别地,我们给出了一个具有随机和季节性需求的双层级供应链环境的数学表述,其允许管理任意数量的仓库和产品类型。通过丰富的数值实验,我们在不同的供应链结构、拓扑、需求、容量和成本下比较了不同深度强化学习算法的性能。实验方案的结果表明,深度强化学习算法优于传统的库存管理策略,如静态 (s, Q)-策略。此外,本研究详细阐述了一个开源软件库的设计与开发,该库提供了可定制的环境,用于使用广泛的数据驱动方法求解供应链库存管理问题。
引用
@article{arxiv.2204.09603,
title = {Comparing Deep Reinforcement Learning Algorithms in Two-Echelon Supply Chains},
author = {Francesco Stranieri and Fabio Stella},
journal= {arXiv preprint arXiv:2204.09603},
year = {2025}
}
备注
The paper has been accepted for presentation and inclusion in the proceedings of the AI for Manufacturing workshop (AI4M), co-located with the ECML PKDD 2023 (European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases). For supplementary material and source code, please visit https://github.com/frenkowski/SCIMAI-Gym