DeepStock：基于策略正则化的强化学习库存管理
机器学习
2026-03-23 v1 人工智能
摘要
深度强化学习 (DRL) 提供了一种通用的机器学习方法，可用于训练能够利用大数据和计算资源的库存政策。然而，现有的 DRL 实现在实际应用中往往效果不佳，常常对训练期间使用的超参数高度敏感。本文表明，通过施加基于经典库存概念（如“基准库存”）的政策正则化，可显著加快超参数调优速度，并提高几种 DRL 方法的最终性能。我们报告了在阿里巴巴电商平台天猫上 100% 部署使用政策正则化的 DRL 的详细情况。我们还包括了大量的人工合成实验，显示政策正则化对库存管理领域最佳 DRL 方法的选择产生了深远的影响。
引用
@article{arxiv.2603.19621,
title = {DeepStock: Reinforcement Learning with Policy Regularizations for Inventory Management},
author = {Yaqi Xie and Xinru Hao and Jiaxi Liu and Will Ma and Linwei Xin and Lei Cao and Yidong Zhang},
journal= {arXiv preprint arXiv:2603.19621},
year = {2026}
}