新的学习框架通过动态资源跟踪优化库存分配

研究人员开发了一种名为资源自适应对偶学习的新学习框架，用于优化单仓库多商店系统中的库存分配。与使用固定目标的先前方法不同，该框架根据已实现的销售额和剩余资源动态调整目标。新方法提供了改进的对数预期遗憾，超越了现有策略的平方根阶保证。该方法也可能适用于涉及耗尽共享资源的其他在线学习问题。 AI

影响 该框架可以提高供应链管理和其他资源分配问题的效率。

排序理由 该集群包含一篇详细介绍新机器学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• one-warehouse multi-store (OWMS) system
• Resource-Adaptive Primal-Dual Learning
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →