Miao Lu

新框架利用观测数据解决鲁棒选品优化问题

一篇新研究论文介绍了一种利用观测数据进行鲁棒选品优化的框架，解决了当前数据驱动方法假设客户偏好稳定的局限性。所提出的方法通过对最坏情况下的预期收入进行建模，来考虑客户选择行为中潜在的分布变化。该研究确立了鲁棒选品规划的计算可处理性，并为数据驱动场景开发了统计最优算法，在不确定性下提供了泛化的理论保证。一项关键发现是将“鲁棒的单品覆盖率”确定为样本高效鲁棒选品学习的最小数据要求。