基于OpenAI Gym工具包在零售供应链中实现强化学习算法
机器学习
2021-04-30 v1 人工智能
摘要
从降低成本到改善客户体验，预测是零售供应链管理（SCM）的核心，也是提升供应链性能的关键。若干零售商正使用 AI/ML 模型在认知需求预测、产品生命周期终结、预测与需求集成产品流等应用中收集数据集并提供预测指导。这些领域的早期工作考察了经典算法，以改进网络流与图等一系列挑战。但近期的扰动使得供应链必须具备应对意外事件的韧性。最大挑战在于供需匹配。强化学习（RL）能够训练系统响应未知环境，正日益被应用于 SCM 中以提升预测精度、解决供应链优化挑战并训练系统应对突发状况。UPS 与亚马逊等公司已开发 RL 算法以确立制胜 AI 策略并跟上消费者交付期望的增长。尽管构建供应链用例的 RL 算法方式众多，OpenAI Gym 工具包因其面向事件驱动的鲁棒仿真框架而成为首选。本白皮书探讨 RL 在供应链预测中的应用，并描述如何使用 OpenAI Gym 工具包构建合适的 RL 模型与算法。
引用
@article{arxiv.2104.14398,
title = {Implementing Reinforcement Learning Algorithms in Retail Supply Chains with OpenAI Gym Toolkit},
author = {Shaun D'Souza},
journal= {arXiv preprint arXiv:2104.14398},
year = {2021}
}