可拆分ATO系统的最优、渐进最优和次优库存控制策略

求解面向订单装配(ATO)系统最优库存控制策略是库存控制领域内的重要问题,因为结构的复杂性,目前只在一些很特殊的情形下有明确的结论。针对一类范围广泛的ATO系统,求解其在不同条件下的最优和渐进最优库存控制策略,并将思路推广到具有一般物料清单结构的ATO系统中。以在ATO系统库存控制研究中比较常用的W型和M型系统为例进行仿真分析,证明上述库存控制策略的有效性。相比于经典控制策略和最新的基于随机规划的控制策略,采用上述库存控制策略的W型ATO系统最多减少近65%和23.5%的库存总成本,M型ATO系统则最多减少12.2%和4.3%的库存总成本。

基于顾客到达和购买数据的新品广告预算分配学习算法

新产品上市导入期,企业通常会设定一定预算进行广告营销。该时期产品的销售过程可划分为“获客”和“转化”两个阶段,广告首先将潜在消费者引流到消费平台上,消费者再根据产品特性以一定概率达成购买行为。由于欠缺历史数据,企业难以评估消费者对新产品广告投入的反应以及产品本身对消费者的吸引力。为解决给定广告总预算和总库存约束的新产品推广期广告预算分配问题,提出了一种利用顾客到达和购买数据,同时学习顾客到达人数与广告投入的关系以及顾客购买概率(转化率)的非参数学习算法。从理论上证明了预算分配策略的渐进最优性质,并通过数值实验验证了策略在多种场景下的性能,说明了策略的鲁棒性。