以深度神经网络为决策者的随机多层级库存优化同步决策
人工智能
2021-03-24 v2 最优化与控制
机器学习
摘要
我们提出一个使用深度神经网络（DNN）优化复杂多层级供应链中库存决策的框架。我们首先引入通用随机多层级库存优化（SMEIO）的成对建模。然后，我们提出一个框架，使用DNN智能体直接确定供应链中任意相邻节点对之间的order-up-to水平。我们的模型考虑有限时域并计入初始库存条件。我们的方法适用于多种供应链网络，包括可能同时含装配与分销节点的一般拓扑结构，以及具有非线性成本结构的系统。我们首先通过数值实验证明该方法的有效性：对于可用精确方法的单节点与串行供应链网络，其解接近最优解。随后，我们考察更一般的供应链网络，发现相较对比方法，所提方法在目标函数值和与环境的互动次数上均更优。
引用
@article{arxiv.2006.05608,
title = {Simultaneous Decision Making for Stochastic Multi-echelon Inventory Optimization with Deep Neural Networks as Decision Makers},
author = {Mohammad Pirhooshyaran and Lawrence V. Snyder},
journal= {arXiv preprint arXiv:2006.05608},
year = {2021}
}