需求分布未知的两级供应链中的无后悔学习
机器学习
2023-10-24 v2 最优化与控制
摘要
供应链管理（SCM）已被公认为一门重要的学科，可应用于许多行业，其中涉及一个下游零售商和一个上游供应商的两级随机库存模型，在制订企业 SCM 战略中起着基础性作用。在这项工作中，我们旨在针对需求分布未知的这一问题描述在线学习算法，这与经典在线优化问题相比带来了不同特征。具体而言，我们考虑 [Cachon and Zipkin, 1999] 中引入的两级供应链模型在两种不同设定下：集中式设定，由计划者同时决定两个智能体的策略；分散式设定，两个智能体独立且自私地决定各自的策略。我们设计的算法在两种设定下均对后悔值以及收敛到最优库存决策提供了良好保证，并且在分散式设定下还对个体后悔值提供了保证。我们的算法基于 Online Gradient Descent 和 Online Newton Step，并结合了专门为我们问题设计的若干新要素。我们还实现了算法并展示了其经验有效性。
引用
@article{arxiv.2210.12663,
title = {No-Regret Learning in Two-Echelon Supply Chain with Unknown Demand Distribution},
author = {Mengxiao Zhang and Shi Chen and Haipeng Luo and Yingfei Wang},
journal= {arXiv preprint arXiv:2210.12663},
year = {2023}
}