基于仿真的强化学习智能体基准测试：面向个性化零售促销
人工智能
2024-05-20 v1 机器学习
计量经济学
机器学习
摘要
开放基准测试平台的发展可以极大地加速AI智能体在零售领域的应用。本文提出了顾客购物行为的全面仿真，用于对优化优惠券定向的强化学习（RL）智能体进行基准测试。该学习问题的难度主要源于顾客购买事件的稀疏性。我们使用包含汇总顾客购买历史的离线批量数据训练智能体，以帮助缓解这一影响。实验表明，情境赌博机和深度强化学习方法（不易过拟合稀疏奖励分布）显著优于静态策略。本研究提供了一个实用的框架，用于仿真优化整个零售顾客旅程的AI智能体，旨在激发零售AI系统仿真工具的进一步发展。
引用
@article{arxiv.2405.10469,
title = {Simulation-Based Benchmarking of Reinforcement Learning Agents for Personalized Retail Promotions},
author = {Yu Xia and Sriram Narayanamoorthy and Zhengyuan Zhou and Joshua Mabry},
journal= {arXiv preprint arXiv:2405.10469},
year = {2024}
}