基于深度强化学习的新闻vendor模型

我提出了针对称为新闻vendor模型的数学问题的深度强化学习（RL）解法，该问题在给定概率需求分布下寻求利润优化。为反映更现实且复杂的情况，需求分布在一周的不同日子可能变化，从而改变最优行为。我使用了 Twin-Delayed Deep Deterministic Policy Gradient 智能体（以完全原创代码编写），具有 actor 与 critic 网络来解决此问题。该智能体能够学习与问题解析解一致的最优行为，并可识别一周中不同日子的独立概率分布并相应行动。