强化学习算法在供应链环境下的库存控制中的应用.pdf

第2 卷第3 期 管　理　学　报 V o l. 2 N o. 3 2005 年5 月 　　　　　　　　　　　Ch in e se Jou rn a l o f M an agem en t　　　　　　　　　　 M ay 2005 　 　 强化学习算法在供应链环境下的库存控制中的应用 汤大为　王红卫 (华中科技大学系统工程研究所) 　　摘要: 以两级库存为例, 提出了一种优化库存管理的方法。该方法包含3 种技术: 马尔可夫决 策过程、马尔可夫博弈和一种用于求解马尔可夫博弈的强化学习算法。具体操作过程是, 将一个 两级的库存系统通过马尔可夫博弈建模, 再用马尔可夫博弈和强化学习的知识求解该模型, 并得 出该系统的优化解。 关键词: 多级库存; 马尔可夫决策过程; 强化学习; 马尔可夫博弈 中图分类号: C 93 1　　文献标识码:A 　　文章编号: 1672- 884 (2005) 03- 0358- 04 A ppl ica t ion of In ten sive L earn in g A lgor ithm to Inven tory Con trol in Supply Cha in s 　 T an g D aw ei W an g H on gw ei ( , , ) H u azhon g U n iver sity o f Scien ce T echno lo gy W uh an Ch in a : A bstract O n e o f th e im p o r tan t p rob lem s in supp ly ch a in m an agem en t is th e coo rd in at ion o f th e inven to ry con t ro l o f each stage in a supp ly ch a in. P re sen ted w a s an app ro ach to op t im izat ion o f a 2 , ( ) , ech elon inven to ry sy stem in a supp ly ch a in in clu d in g M arkov decision p ro ce ss M D P M arkov gam e s ( ) . , 2 M G an d an in ten sive learn in g a lgo r ithm to so lve th e M G p rob lem In p ar t icu lar th e ech clon sy stem w a s m o deled a s a M G an d th e con cep t s o f M arkov Gam e s an d in ten sive learn in g a lgo r ithm w ere in t ro du ced to g ive th e op t im a l so lu t ion o f th e inven to ry sy stem. :