部分观测非平稳需求下的库存管理

我们考虑一个连续时间库存管理模型，其中需求由马尔可夫调制的非平稳过程驱动。我们引入主动学习，假设世界状态不可观测，必须由管理者推断。我们还假设只有当需求被完全满足时才观测到需求。我们首先推导出显式的滤波方程，并将其转化为一个基于充分统计量（后验概率过程和当前库存水平）的等价完全观测脉冲控制问题。然后我们求解这个等价形式，并直接刻画最优库存策略。我们还描述了一种计算值函数和最优策略的数值方法，并给出了两个数值示例。