研究人员开发了一种新颖的在线库存优化（OIO）原理，该原理可在一般凸集上实现最优性能。该方法通过维护一个隐藏目标并将其投影到可行订货点集上，改进了 OIO 的遗憾界限，并首次为强凸损失提供了对数悔度。该分析引入了一个“范数对齐”原理，将问题简化为一维队列控制，并通过在合成和真实库存数据上的实验进行了验证。 AI
影响 这项研究推进了在线学习和优化领域的理论理解，可能对未来的库存管理系统产生影响。
排序理由 该集群包含一篇学术论文，详细介绍了新的理论原理及其在特定领域的实验验证。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.14679v1 Announce Type: cross Abstract: Online inventory optimization (OIO) is online convex optimization with physical memory: inventory carryover makes the feasible action set depend on the past. A natural principle, used in stochastic inventory learning and recently …
Online inventory optimization (OIO) is online convex optimization with physical memory: inventory carryover makes the feasible action set depend on the past. A natural principle, used in stochastic inventory learning and recently in OIO under a single linear capacity constraint, …