掩码LSTM-PPO算法

动态定价库存双优

一种面向全渠道零售的动态定价与库存联合优化算法，能够在不确定需求下同时提升利润与服务水平，并可通过掩码机制保证决策可行性。

Shiyu, Liu · 王浚 · Wang, Rui · 张悦 · Song, Yanjie · Lining, Xing

Expert Systems with Applications 2024

技术优势

可处理部分观测

该模型基于两层部分可观测马尔可夫决策过程，能够利用不完整需求观测进行决策。

避免无效动作

算法集成无效动作掩码，保证决策过程只选择可行动作。

应用场景

• 零售动态定价：根据实时库存和需求预测动态调整价格，提升利润。
• 全渠道库存管理：协调线上订单与门店库存，优化补货和配给决策。
• 供应链智能决策：利用深度强化学习在不确定环境中自动制定供应链策略。