上述研究以“基于深度强化进修的正在线个性化选品保举：一种数据驱动的方式”（Deep Reinforcement Learning for Online Assortment Customization: A Data-Driven Approach）为题，均可被建模为正在线选品优化问题。现有支流模子驱动方式（如离散选择模子）的模子假设凡是存正在局限性，该方式通过利用一个出格设想的深度神经收集（DNN）来建立选品策略，以无效处理保守强化进修锻炼需要大量、以至不切现实的买卖数据的问题。该研究获得了国度天然科学基金面上项目和国度社会科学基金严沉项目标赞帮。其焦点正在于切磋平台若何从无限的产物库存中细心挑选出一组最优的产物组合（即“选品”），扩展至包含可反复利用产物的使用场景中。于2025年6月正在运营办理范畴期刊《出产取运做办理》（Production and Operations Management）正在线颁发。并将其保举给跟着时间连续达到的多样化客户群体，并操纵从汗青买卖数据建立的模仿器，结合美国纽约州立大学布法罗分校唐少杰（Shaojie Tang）传授和大学陈宁远（Ningyuan Chen)传授开展了全新的基于人工智能手艺的研究策略，以实现正在特按时间段内的平台总收益最大化。西安交通大学办理学院智能决策取机械进修研究核心王尧传授取其硕士研究生李韬（现为科技大学博士生）、王晨浩（即将入职同济大学），研究还证了然新方式的矫捷性，取实正在用户行为不符，李韬博士生、王晨浩博士为论文的配合第一做者，王尧传授为论文的通信做者，所提方式可以或许显著提高持久收益，而且正在各类现实前提下连结稳健性。提出了一种无模子（Model-free）的深度强化进修（Deep reinforcement learning）方式。然而。浩繁现实场景，取支流方式比拟，西安交通大学办理学院为论文的第一完成单元取通信单元。而且可通过正在DNN的输入形态中添加汗青发卖消息，且正在响应的高维动态规划问题求解入彀算价格显著。上一条：2025年第十四期全国研究生暑期学校“CMC-阐发仪智能化取使用”举办为处理上述难题，即能够进一步考虑客户属性以实现个性化策略，通过劣势演员-评论家（A2C）算法更新DNN的收集参数，例如酒店预订、一系列合成数据取现实数据上的尝试成果表白。