实体
Assortment optimization using incremental swapping with demand transference
Assortment optimization using incremental swapping with demand transference
PulseAugur coverage of Assortment optimization using incremental swapping with demand transference — every cluster mentioning Assortment optimization using incremental swapping with demand transference across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
关系
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
大型语言模型展示设计近乎最优的运筹学算法的能力
一篇新的arXiv论文探讨了大型语言模型（LLMs）在为运筹学（OR）问题设计有效算法方面的能力。研究人员发现，即使在最少的人工输入和Python沙盒工具的帮助下，LLMs也能生成在库存控制和 ассорти优化等任务上可与专业方法相媲美的算法。该研究强调了LLMs在短时间内性能的快速提升，表明它们可以在明确定义的运筹学领域作为算法设计的有力经验基准。
-
图神经网络为选品优化提供高效解决方案
研究人员开发了一种新颖的图卷积网络（GCN）框架来解决复杂且计算密集型的选品优化问题。该方法将选品问题表示为图，使GCN能够学习最优的产品选择。该框架表现出卓越的可扩展性，在小型数据集上训练的模型能够有效地泛化到更大的问题，在包含多达2000种产品的实例上，在几秒钟内即可获得超过85%的最优收入。