我院管理科学系丁婧颖博士和荣鹰教授与合作者Huh, Woonghee Tim于2024年5月在运营管理类国际顶级期刊《M&SOM-MANUFACTURING & SERVICE OPERATIONS MANAGEMENT》上发表学术论文“Feature-Based Inventory Control with Censored Demand”（2024, Vol.26 (3), p. 1157-1172）。

【论文摘要】

如今，零售业的决策者们可以从不同的来源获取数据，包括广告计划、产品评论、产品在货架上的展示位置、社交媒体上的本地事件等。丰富的数据为决策者提供了分析和利用数据来改进库存决策的机会。然而，受到库存限制的影响以及考虑实际零售场景，超出库存的需求是不可观察的，仅靠销售数据（称为截断需求）无法完全刻画真实需求。面对该问题，决策者该如何动态地学习特征信息对需求的影响，同时调整库存决策，使成本随着时间的推移最小化成为了我们关心的问题。

本研究聚焦于存在截断需求的多期库存控制问题。在该系统中，决策者无法事先获取真实的需求分布，仅能观察到历史销售数据和关于需求的特征信息。在库存系统中，受到库存限制的影响，超出库存的需求是不可观察的，特别是当观察数量有限时，决策者仅通过销售数据无法完全恢复真实需求。与此同时，关于需求的特征信息却非常丰富，可以辅助决策者进行库存决策。本文将特征信息融入到考虑截断需求的库存系统中。我们针对该随机库存系统提出了两种基于特征的非参数库存算法，分别为基于特征的自适应库存算法和动态收缩算法。我们通过有限期间的平均期望遗憾来衡量所提算法的性能，即算法成本与能够获得信息的最优策略的成本之间的差异。结果表明，两种算法下产生的平均预期成本以的速率收敛到最优策略的成本。其中，我们发现基于特征的自适应库存算法会导致随机梯度的高波动性，影响了算法的初始性能，而动态收缩算法使用一个收缩参数来调整梯度，显著改善了算法在初始阶段的表现。动态收缩的理念基于动态决策问题中的基本洞察，即信息学习过程中的偏差和方差的权衡。我们的研究表明，在考虑特征信息的库存系统中，结合偏差和方差的权衡对提高算法在动态环境中的性能具有重要意义。此外，我们通过数值实验验证了所提算法的有效性。

【作者简介】

丁婧颖，上海交通大学安泰经济与管理学院博士。

荣鹰，上海交通大学特聘教授、博士生导师，国家杰出青年科学基金获得者。

研究成果发表于Management Science，Information Systems Research，Production and Operations Management， Operations Research，Manufacturing & Service Operations Management 等管理学国际顶级期刊。

研究与教学兴趣：服务系统的运营优化、新兴商业模型的运作、零售运营管理、供应链管理、数据驱动的优化模型、实证研究。

英文原文信息：

Jingying Ding, Woonghee Tim Huh, Ying Rong (2024) Feature-Based Inventory Control with Censored Demand. Manufacturing & Service Operations Management 26(3):1157-1172.

https://doi.org/10.1287/msom.2021.0135