Non-Stationary Inventory Control with Lead Times
KU Leuven（鲁汶大学）；Northwestern University（西北大学）
本文提出了一种自适应在线算法，用于具有交期的非平稳库存控制问题，通过优化基础库存策略并建立性能保证，实现了在变化需求下的高效库存管理。
2026-08-06 cs.LG math.OC stat.ML
An Inventory System with Two Supply Modes and Lévy Demand
本研究针对带两种补货模式的单物品连续盘点库存系统，用谱正Lévy过程建模需求，证明混合屏障策略最优并给出值函数半显式表达式，通过数值分析验证结论，推广了现有库存研究。
2025-10-30 math.OC
Learning to Order for Inventory Systems with Lost Sales and Uncertain Supplies
College of Business Administration, University of Illinois at Chicago（伊利诺伊大学芝加哥分校商学院）；Stern School of Business, New York University（纽约大学斯特恩商学院）
针对需求与供应分布未知且数据删失的销售损失库存系统，提出在线学习与主动剔除方法，实现相对最优策略的 O(L+√T) 遗憾界。
2023-10-31 cs.LG math.OC
Classical and Deep Reinforcement Learning Inventory Control Policies for Pharmaceutical Supply Chains with Perishability and Non-Stationarity
University of Milano-Bicocca（米兰-比可卡大学）；ESSCA School of Management（ESSCA管理学院）；Eindhoven University of Technology（埃因霍温理工大学）
本研究针对药品供应链的易腐性、非平稳需求等挑战，比较了OUT、PIL和深度强化学习（PPO）三种库存策略，发现经典与DRL策略各有优劣，需整合多种策略以有效管理。
2025-01-18 cs.AI cs.LG math.OC
JD.com Improves Fulfillment Efficiency with Data-driven Integrated Assortment Planning and Inventory Allocation
本文针对京东的两级配送网络，提出了集成品类规划与库存分配的数据驱动方法，通过最大化本地履约订单和端到端算法降低销售损失与调拨成本，显著提升了订单履约效率和客户体验。
2025-09-16 math.OC
Deep Inventory Management
Amazon（亚马逊）；Pinterest（拼趣）；Harvard University（哈佛大学）
这项工作提供了一种深度强化学习方法来解决随机供应商提前期，销售损失，相关需求和价格匹配的定期审查库存控制系统。虽然这个动态程序历来被认为是棘手的，我们的研究结果表明，几个策略学习方法的竞争力或优于经典的方法。为了训练这些算法，我们开发了新的技术，将历史数据转换成模拟器。在理论方面，我们提出了一个子类的库存控制问题，我们提供了一个可证明的减少强化学习问题的监督学习的可学习性的结果。在算法方面，我们提出了一个基于基于模型的强化学习过程（直接反向传播），以解决定期审查库存控制问题，通过构建一个可微的模拟器。在各种指标下，Direct Backprop在模拟和现实部署中的表现都优于无模型RL和newsvendor基线。
2022-11-28 cs.LG math.OC
Production Planning Under Demand and Endogenous Supply Uncertainty
研究需求和内生生产产量不确定性下的成品采购规划问题，将其建模为两阶段随机规划并提出基于Benders的精确算法，计算证明其优于已知基准并验证了双重不确定性建模的价值。
2025-06-30 math.OC
Sustainable Inventory with Robust Periodic-Affine Policies and Application to Medical Supply Chains
我们引入了一类新的自适应政策，称为仿射政策，它允许决策者最优地管理和控制大规模的报童网络中存在的不确定的需求，没有分布的假设。这些策略是数据驱动的，并对需求的许多特征（如相关性）进行建模，并且对参数错误指定保持鲁棒性。我们提出了一个模型，可以推广到多产品的设置和扩展到多周期的问题。这是通过集合对不确定需求进行建模来实现的。通过这种方式，它提供了一个自然的框架来研究竞争政策，如基本股票，仿射和近似方法，其利润，参数和假设的敏感性，以及计算的可扩展性。我们发现，仿射的政策是可持续的，即时间一致的，因为他们保证最优的子周期内和整个规划范围内。这种方法是易于处理的，没有分布假设，因此，适合于现实世界的应用。我们提供了有效的算法，以获得最佳的仿射策略，并展示了他们的优势，从印度最大的药店零售商之一的销售数据。
2018-06-18 math.OC
Resource-Adaptive Primal-Dual Learning for One-Warehouse Multi-Store Systems with Censored Demand
School of Management, Fudan University（复旦大学管理学院）
针对带删失需求的单仓库多门店系统，提出资源自适应原始对偶学习框架，获对数级预期悔值，优于现有策略，且经数值实验验证性能良好。
2026-08-17 cs.LG math.OC
Partial Backorder Inventory System: Asymptotic Optimality and Demand Learning
本文提出统一延期交货与销售损失的部分延期交货库存模型，建立基本库存策略的渐近最优性，并针对延期需求不可观测及分布未知的在线场景设计UCB算法，给出紧的遗憾界。
2024-03-25 math.OC math.PR
Optimality gap of constant-order policies decays exponentially in the lead time for lost sales models
由于维数灾难，具有销售损失和大提前期的库存模型传统上被认为是难以处理的。最近，Goldberg和合著者为解决这些模型的新方法奠定了基础，证明了随着提前期的增长，简单的恒定顺序策略是渐近最优的。然而，有证明的界限需要的前置时间是非常大的，在恒定顺序的政策变得有效之前，相反，Zipkin表现出良好的数值性能，即使是小的前置时间值。在这项工作中，我们证明了，对于同一个丢失的销售问题的无限时域的变体，相同的恒定顺序的政策的最优间隙实际上收敛到\emph{exponentially fast}为零，与最优间隙衰减到零至少一样快的指数收敛速率的预期等待时间在一个相关的单服务器队列的稳态值。我们还得到了简单和明确的界限的最优差距，并表现出良好的数值性能在很宽的参数值的特殊情况下，指数分布的需求。我们的主要证明技术结合了凸性参数与排队论的思想。
2016-04-19 math.OC math.PR
Structure-Informed Deep Reinforcement Learning for Inventory Management
Amazon（亚马逊）
本文针对经典库存管理问题，提出基于DirectBackprop的通用深度强化学习方法，性能优于传统基准，还提出结构感知策略网络技术提升可解释性与鲁棒性，打通数据驱动学习与运筹解析洞察的壁垒。
2025-07-29 cs.LG math.OC
Bounds on performance measures for the (r, q) lost sales system with Poisson demand and constant lead time
我们证明了所考虑的（r，q）系统的销售损失的分数可以方便地以一种适合于快速，背面的信封估计的方式有界。我们假设客户需求来自一个泊松过程，每次只需要一个单位，所有的需求都发生在缺货期间，并且提前期是常数。此外，我们允许多个补货订单同时未完成的情况。我们发现，销售损失比例的上界和下界之间的差异似乎不超过6：5%（0：065），并且通常明显优于此。特别是，边界似乎是非常有用的，当再订货点是相对较高的，或者当平均提前期需求是显着不同的再订货点。此外，我们将系统的常见性能指标联系起来，从而能够限制总运营成本。
2013-09-30 math.OC math.PR
Information Limits of Multistage Inventory Control: Learning, Valuation, and Censoring
National University of Singapore（新加坡国立大学）；Massachusetts Institute of Technology（麻省理工学院）；Cornell SC Johnson College of Business（康奈尔SC约翰逊商学院）
本文针对离线多阶段库存控制，建立信息论下界，区分策略学习与成本估值所需信息，并给出删失数据下的学习率及覆盖条件。
2026-09-30 cs.SY eess.SY math.OC
Magazine Supply Optimization: a Case-study
Ekimetrics（埃基梅特里克）
针对杂志零售行业供应优化的复杂挑战，研究提出工业化解决方案AthenIA，采用四步流水线与融合专家洞见的新型群组共形分位数回归方法，平衡缺货与超供成本，已服务法国超2万个销售点，颇具应用价值。
2024-08-16 cs.AI math.OC
Control of Dual-Sourcing Inventory Systems using Recurrent Neural Networks
Frankfurt School of Finance and Management（法兰克福金融管理学院）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；University of Zurich（苏黎世大学）；Erasmus University Rotterdam（鹿特丹伊拉斯姆斯大学）
本文提出将库存动态与补货策略融入循环神经网络设计的NNCs，用于双源库存控制，可在普通PC上快速学得近优策略，并有效应对非平稳需求。
2023-04-18 cs.LG math.OC
Asymptotic optimality of Tailored Base-Surge policies in dual-sourcing inventory systems
双源库存系统，其中一个供应商速度更快（即快递），成本更高，而另一个供应商速度更慢（即常规），成本更低，在许多现实世界的供应链中自然出现。由于最优解的复结构和维数灾难，这些系统非常难以优化，已经抵抗了40多年的解决方案。最近，所谓的定制基地浪涌（TBS）政策已被提出作为一种启发式的双源问题。在这样的策略下，在每个时段中，在常规源处放置恒定订单，而在快速源处放置的订单遵循简单的订单最多规则。几位作者的数值实验表明，这样的政策表现良好的两个源之间的前置时间差变大，这正是设置中的维数灾难导致问题变得棘手。然而，为这种现象提供理论基础仍然是一个重大的开放问题。在本文中，我们提供了这样一个理论基础，证明了一个简单的TBS政策确实是渐近最优的定期源的提前期增长大，与表达源的提前期固定。我们的主要证明技术结合了新的凸性和下界参数，一个明确的实现消失折扣因子的方法来分析无限时域马尔可夫决策过程，和思想理论的随机游动和队列，显着扩展的方法和适用性的一个新的框架，分析库存模型与大的提前期最近介绍了戈德堡和共同作者的背景下，失去了，销售模式与积极的前置时间。
2016-04-19 math.OC math.PR
On the Hardness of Inventory Management with Censored Demand Data
Universitat Pompeu Fabra（庞培法布拉大学）；Barcelona Graduate School of Economics（巴塞罗那经济研究生院）；Barcelona School of Management（巴塞罗那管理学院）
我们考虑一个重复的报童问题，库存经理没有事先的信息的需求，只能访问审查/销售数据。类似于多臂强盗问题，管理者需要同时“探索”和“利用”她的库存决策，以最小化累积成本。我们不做概率假设-重要的是，独立性或时间平稳性-关于创建需求序列的机制。我们的目标是揭示问题的硬度，并制定政策，表现良好的遗憾标准，即政策的累积成本之间的差异，最好的固定行动/静态库存决策在事后，均匀地在所有可行的需求序列。我们表明，一个简单的随机化的政策，称为指数加权预测，结合精心设计的成本估计，实现最佳的缩放预期遗憾（对数因子）的所有三个关键原语：时间段的数量，库存决策的数量，和需求支持。通过这个结果，我们得到一个重要的见解：从“信息跟踪”的好处以及审查的成本都可以忽略不计，在这个动态学习问题，至少在遗憾的标准。此外，我们修改建议的政策，以执行良好的跟踪遗憾，也就是说，作为基准的最佳序列的库存决策，开关有限的次数。数值实验表明，所提出的方法优于现有的（量身定制，或促进，时间平稳性）的非平稳需求模型。最后，我们提出的方法和分析的“组合”版本的重复报童问题。
2017-10-16 cs.LG math.OC stat.ML
Maximum a posteriori learning in demand competition games
我们考虑两个厂商之间的库存竞争博弈。我们要解决的问题是：如果玩家不知道对手的行动和对手的效用函数，他们可以通过观察自己的销售来学习在重复博弈中玩纳什策略吗？在这项工作中，它被证明是通过最大后验概率（MAP）估计，玩家可以学习纳什策略。证明了局中人的行为和信念确实收敛于纳什均衡。
2016-11-28 cs.GT math.OC
Inventory Control Using a Lévy Process for Evaluating Total Costs under Intermittent Demand
本文针对间歇性需求下的库存控制问题，通过将累积需求建模为漂移泊松过程并引入停时制定再订货点策略，推导出总成本的解析表达式，揭示了随机需求波动使总成本以快于线性的速率增长。
2025-06-27 cs.DS math.OC math.PR
Deep Policy Iteration with Integer Programming for Inventory Management
IBM Research（IBM研究院）；NYU Leonard N. Stern School of Business（纽约大学莱昂纳德·N.斯特恩商学院）
本文提出PARL框架，将深度策略迭代、神经网络价值近似、数学规划与SAA结合，以求解复杂组合约束下的库存补货决策，并在供应链基准中显著优于现有RL和启发式方法。
2025-01-07 cs.AI cs.LG math.OC
Dynamic pricing in retail with diffusion process demand
当需求的随机性影响产品的销售时，零售商使用动态定价策略来最大化他们的利润。在这篇文章中，我们制定的定价问题作为一个连续时间的随机最优控制问题，并通过解决相关的Hamilton-Jacobi-Bellman（HJB）方程找到最优策略。我们提出了一种新的方法来模拟随机性的动态销售扩散过程的基础上。该模型假设一个连续近似的零售商的库存水平，应规模更好地大库存问题比现有的泊松过程模型在收入管理文献。扩散过程方法也可以对需求波动进行建模，而泊松过程模型则不能。当系统中不存在随机性时，我们给出了HJB方程的封闭解。结果表明，确定性定价策略是近最优的需求不确定性的系统。事实上，计算最优定价策略时的数值误差可能导致平均利润低于启发式定价策略。
2018-05-30 math.DS math.OC
Online Order Fulfillment with Replenishment
Booth School of Business, University of Chicago（芝加哥大学布斯商学院）；Hong Kong University of Science and Technology（香港科技大学）；Cornell University（康奈尔大学）
本文研究了补货与订单履行对系统性能的影响，提出了一种前瞻在线算法，通过比较补货与履行的优化价值，揭示了在不同情况下哪种策略对利润影响更大。
2026-10-26 math.OC
An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories
IBM T. J Watson Research Center（IBM T. J. 沃森研究中心）
提出数据驱动无分布的乐观-鲁棒双模态库存优化（BIO）策略，在全渠道需求下平衡下行风险与上行潜力，在真实零售数据中比纯 RO 平均盈利高 27%，比其他基线高 10% 以上。
2025-04-01 cs.AI math.OC
Elasticity Based Demand Forecasting and Price Optimization for Online Retail
我们研究了一个在线零售商的问题，他们观察产品的单位销售量，并动态地改变零售价格，以最大化预期收入。假设产品的需求对价格敏感，我们感兴趣的是当未来需求不确定时的最优定价政策。我们建立了一个系统来研究零售价格和需求之间的关系，并估计需求函数。该系统预测给定零售价格下的需求和收入。我们制定了一个收入最大化问题，在离散有限的时间范围内离散的零售价格。基于预测的需求和收入值求解最优定价策略。通过计算实验，我们研究了最优定价策略对库存管理的影响。
2021-06-16 cs.CE cs.SY eess.SY
Confidence-based Optimization for the Newsvendor Problem
University of Edinburgh Business School（爱丁堡大学商学院）；University College Cork（科克大学）；Hacettepe University（哈契特佩大学）；Izmir University of Economics（伊兹密尔经济大学）
针对单周期单品种随机库存优化中的需求估计问题，提出一种结合置信区间分析与库存优化的策略，以指定置信概率确定包含真实最优订货量的候选范围，并给出成本上下界。
2013-09-28 cs.SY eess.SY math.OC
Dynamic Wholesale Pricing under Censored-Demand Learning
Luiss University（卢伊斯大学）
研究两级供应链中制造商与零售商在删失需求数据下的动态定价与订货博弈，利用维度缩减方法证明马尔可夫完美均衡存在性，并揭示公共学习引发的激励冲突。
2026-06-16 cs.GT econ.TH math.OC
