面向电子商务中多节点多产品订单履约的服务成本最小化学习
人工智能
2021-12-17 v1 机器学习
摘要
我们描述了一种为响应零售电子商务（e-commerce）需求而开发的新型决策问题。在与物流及零售行业业务合作方合作时，我们发现从供应链中最合适节点交付产品的成本（称为服务成本或 CTS）是一项关键挑战。电子商务供应链的大规模、高随机性与广地域分布，使该场景非常适合精心设计的 data-driven 决策算法。在这项初步工作中，我们聚焦于特定子问题：在每个时间段内将任意数量的多种产品从任一仓库交付给多名客户。我们比较了若干基线（包括启发式方法与混合整数线性规划）的相对性能与计算效率。我们表明，基于强化学习的算法可与这些策略相竞争，并具备在现实世界中高效扩展的潜力。
引用
@article{arxiv.2112.08736,
title = {Learning to Minimize Cost-to-Serve for Multi-Node Multi-Product Order Fulfilment in Electronic Commerce},
author = {Pranavi Pathakota and Kunwar Zaid and Anulekha Dhara and Hardik Meisheri and Shaun D Souza and Dheeraj Shah and Harshad Khadilkar},
journal= {arXiv preprint arXiv:2112.08736},
year = {2021}
}