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
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
关系
最近 · 第 1/1 页 · 共 2 条
-
LLMs 展现出设计近乎最优运筹学算法的能力
一篇新的 arXiv 论文探讨了大型语言模型（LLMs）为运筹学（OR）问题设计算法的能力。研究人员发现，LLMs，特别是 GPT 5.6 "Sol"，能够为库存控制、排队网络控制和 ассорти优化生成有效的算法。这些模型在获得最少输入和访问 Python 沙盒的情况下，生成的算法与现有的专业方法相媲美或超越了它们，表明 LLMs 的问题解决和算法设计能力正在迅速发展。
-
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。