考虑框架协议的动态报童模型强化学习建模研究

企业为了稳定货源和供货关系,常与供应商签订一定时期的框架性协议。为了解决零售商在框架协议下采购报童产品的问题,本文运用强化学习建立库存决策模型并使用Q学习算法求取较优订货策略。通过生成样本随机数来模拟需求量,对比研究Q学习算法订货和传统方法订货的差别。通过多次数值实验,发现使用强化学习方法订货相比于传统订货方法(定量订货法、移动平均预测、指数平滑法)平均利润提高约7%~22%,且多次实验下强化学习方法订货相比于理想状态的平均利润相差约8%。这些发现验证了强化学习解决库存问题的有效性和可行性。本文还研究了相关参数变化对总利润的影响,发现利润随着贪婪率(ε)增加而降低、随着学习率(α)的增加而增加。该结论能够为解决相关库存问题提供新的思路。

考虑消费者信息处理过程的团购市场系统动力学仿真

消费者的购买决策除受价格、品牌等因素影响外,还受其所接收信息的影响,网络信息技术的发展更进一步加深了这一过程。实践中,消费者对所接收信息的处理过程如何影响其购买决策,仍有待进一步研究。本文从消费者信息处理过程视角出发,以团购消费者群体为研究对象,构建团购市场的系统动力学模型,分析及预测团购及非团购消费者规模、人均团购及非团购消费额等指标在30年(2006—2035年)间的发展。研究发现:(1)社群营销效果正向影响团购消费者的增长速率,并且缩短了团购规模达到峰值的时间,广告效果能缩短团购规模达到峰值的时间;(2)降低商品价格、提升商家信誉、增加商品种类和提高服务水平能够增大非团购消费者对商品信息的接收度,从而促进消费额的增长;(3)团购成功率正向影响团购平台规模和人均团购消费额。研究结果丰富了消费者信息处理过程的研究范畴,为网络平台和企业充分认识团购发展和调整营销策略提供了新的思路。