可微投影实现硬约束库存策略学习

可微投影让强化学习策略在硬约束下保持可行并提升库存规划表现。

资讯摘要

论文提出在策略内嵌入可微优化模块：神经网络给出连续动作目标，二次规划将其投影到松弛可行集，再用对偶信息整数映射恢复整数性并保持可行性。作者报告该方法相对精确整数投影误差有界且可达整个可行动作空间，在多级生产库存规划中3项实例平均最优性差距1%，40项实例较梯队基准库存策略节省15.3%，ASML案例平均成本最多降1.8%。

要点速读

1. 策略由神经网络、二次规划投影与对偶信息整数映射组成，用于处理硬约束下的组合动作空间。
2. 作者报告3项实例平均最优性差距1%，10项网络较滚动时域多阶段随机规划至少优5.6%。
3. 40项实例较先进梯队基准库存策略节省15.3%；ASML非平稳需求案例平均成本最多降1.8%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。