学习订单履约决策的捷径与候选短名单方法
机器学习
2022-01-02 v1 人工智能
最优化与控制
摘要
随着履约选项的增加以及决策过程中所考虑业务目标的增多，订单履约决策正变得愈发复杂。例如，随着门店发货的出现，零售商现在需要考虑更多的履约节点，并且在做出履约决策时考虑多种不同的业务目标已十分常见。随着复杂度的上升，决策过程的效率可能成为切实的担忧。在所有可能的分配中寻找最优履约分配，对于每一笔订单而言可能代价过高，尤其在高峰时段。在这项工作中，我们探索利用履约决策过程中的规律性来减轻决策系统负担的可能性。通过数据挖掘，我们旨在发现过往履约决策中的模式，用以高效预测未来决策中最可能的分配。本质上，那些可以高置信度预测的分配可用于捷径（shortcut）或绕过昂贵的决策过程，否则可将一组最可能的分配用于短名单（shortlist）——向履约决策系统发送规模小得多的候选集以供考量。
引用
@article{arxiv.2110.01668,
title = {Learning to shortcut and shortlist order fulfillment deciding},
author = {Brian Quanz and Ajay Deshpande and Dahai Xing and Xuan Liu},
journal= {arXiv preprint arXiv:2110.01668},
year = {2022}
}
备注
accepted and presented at 2015 INFORMS Workshop on Data Mining and Analytics