用上下文老虎机评估与改进库存控制策略
机器学习
2023-10-26 v1 机器学习
摘要
解决具有非平稳随机需求、缺货损失和随机供应商提前期的周期性审查库存控制问题，通常需要对动态过程做出强假设以进行近似或仿真，并应用优化、动态规划或强化学习等方法。因此，分析和评估任何库存控制策略十分重要，特别是考察其是否存在改进空间。我们引入均衡策略的概念，这是策略的一种理想性质，直观而言意味着在事后仅改变少量动作不会导致实质更多的回报。我们提供了一种轻量的基于上下文老虎机(contextual bandit)的算法来评估和偶尔调整策略，并从理论和实证研究中表明该方法取得了良好的保证。
引用
@article{arxiv.2310.16096,
title = {Contextual Bandits for Evaluating and Improving Inventory Control Policies},
author = {Dean Foster and Randy Jia and Dhruv Madeka},
journal= {arXiv preprint arXiv:2310.16096},
year = {2023}
}