项目名称: 在线库存及相关问题研究

项目编号: No.11201428

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 韩曙光

作者单位: 浙江理工大学

项目金额: 22万元

中文摘要: 经典随机库存研究中, 价格或需求往往被假设为已知分布函数的随机变量,求期望意义下的最优策略, 但最优解在条件变化时(分布变化或分布不符合价格或需求的变化规律),易失去最优性。寻求新方法研究不依赖参数具体分布的在线库存问题很有必要,基于价格或需求的不确定性,研究价格和需求的在线库存、多参数在线库存(参数线性相关、非线性相关或独立)、带有信息更新的在线库存。核心是在线库存问题的模型建立及在线算法的设计与分析,包括不同优化目标和角度的参数识别,模型建立,在线算法的设计与分析,算法的竞争比分析和问题的下界(常数界或参数界),希望得到竞争比等于问题下界的最优在线算法,或基于数值模拟来评价算法的效果。本研究有深刻的实际背景和广泛的应用前景,该领域尚有大量未解问题亟待解决,为了解决这些具有挑战性的问题,我们必须提出一些新的研究方法并设计创新性的在线算法。

中文关键词: 在线库存;价格在线;需求在线;相关价格;竞争比

英文摘要: In the classical stochastic inventory study, where the price or demand is always assumed to be random variables with known distribution function, the goal is to obtain the optimal strategy under the expectations of meaning, but the optimal solution is easy to lose optimality when conditions change (the change of the distribution or the distribution does not meet the price or demand variation).It's necessory to seek new ways to study the on-line inventory model which does not depend on the specific parameters of the distribution. Based on the uncertainty of the price or demand, the problems will be well considered such as on-line inventory problems with price or demand on-line, on-line inventory problems of multi-parameters (parameter linear or nonlinear correlation or independent), on-line inventory problems with information updating. The core of the on-line inventory proposal is mathematical modeling and on-line algorithms design and analysis, including different optimization objectives and parameter identification, mathematical modeling, on-line algorithms design and analysis, the competitive ratio analysis of the on-line algorithms and the lower bound of the problem (constant or parameter boundary), the on-line algorithm whose competitive ratio is equal to the lower bound of the problem is the best. And to ev

英文关键词: online inventory;online price;online demand;related price;competitive ratio

成为VIP会员查看完整内容
0

相关内容

对话推荐算法研究综述
专知会员服务
49+阅读 · 2022年2月18日
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
34+阅读 · 2022年1月31日
专知会员服务
22+阅读 · 2021年10月6日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
20+阅读 · 2020年10月4日
【KDD2020】基于纳什强化学习的鲁棒垃圾邮件发送者检测
专知会员服务
16+阅读 · 2020年8月16日
近期必读的6篇顶会WWW2020【推荐系统】相关论文-Part3
专知会员服务
57+阅读 · 2020年4月14日
「对话推荐算法」最新2022研究综述
专知
6+阅读 · 2022年4月5日
深入理解百度在离线混部技术
InfoQ
0+阅读 · 2022年2月27日
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
这3个产品岗位,我不建议你做
人人都是产品经理
0+阅读 · 2022年1月22日
抛开信息化产品,我们来聊一聊供应链
人人都是产品经理
0+阅读 · 2021年10月31日
万字综述之生成对抗网络(GAN)
PaperWeekly
43+阅读 · 2019年3月19日
探幽深度生成模型的两种方法:VAE和GAN
AI前线
15+阅读 · 2018年3月10日
[论文笔记] GAN开山之作及最新综述
专知
12+阅读 · 2017年12月19日
wGAN如何解决GAN已有问题(附代码实现)
数据派THU
17+阅读 · 2017年6月27日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
2+阅读 · 2022年4月20日
Automated Data Augmentations for Graph Classification
Detecting Deepfakes with Self-Blended Images
Arxiv
2+阅读 · 2022年4月18日
Arxiv
38+阅读 · 2021年8月31日
Arxiv
19+阅读 · 2020年7月13日
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
小贴士
相关主题
相关VIP内容
对话推荐算法研究综述
专知会员服务
49+阅读 · 2022年2月18日
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
34+阅读 · 2022年1月31日
专知会员服务
22+阅读 · 2021年10月6日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
20+阅读 · 2020年10月4日
【KDD2020】基于纳什强化学习的鲁棒垃圾邮件发送者检测
专知会员服务
16+阅读 · 2020年8月16日
近期必读的6篇顶会WWW2020【推荐系统】相关论文-Part3
专知会员服务
57+阅读 · 2020年4月14日
相关资讯
「对话推荐算法」最新2022研究综述
专知
6+阅读 · 2022年4月5日
深入理解百度在离线混部技术
InfoQ
0+阅读 · 2022年2月27日
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
这3个产品岗位,我不建议你做
人人都是产品经理
0+阅读 · 2022年1月22日
抛开信息化产品,我们来聊一聊供应链
人人都是产品经理
0+阅读 · 2021年10月31日
万字综述之生成对抗网络(GAN)
PaperWeekly
43+阅读 · 2019年3月19日
探幽深度生成模型的两种方法:VAE和GAN
AI前线
15+阅读 · 2018年3月10日
[论文笔记] GAN开山之作及最新综述
专知
12+阅读 · 2017年12月19日
wGAN如何解决GAN已有问题(附代码实现)
数据派THU
17+阅读 · 2017年6月27日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
2+阅读 · 2022年4月20日
Automated Data Augmentations for Graph Classification
Detecting Deepfakes with Self-Blended Images
Arxiv
2+阅读 · 2022年4月18日
Arxiv
38+阅读 · 2021年8月31日
Arxiv
19+阅读 · 2020年7月13日
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
微信扫码咨询专知VIP会员