arXiv · AI· Patrick Helm, Jan-Niklas Doerr, Joren Gijsbrechts, Stefan Minner·· 5 小时前AI 评分23
硬约束下平滑梯度：通过学习可行库存策略实现可微投影
Hard Constraints, Smooth Gradients: Learning Feasible Inventory Policies via Differentiable Projection
AI 导读
该研究通过嵌入可微优化模块解决带硬约束的顺序决策问题，使策略端到端训练。 在库存规划测试中，相比滚动时域随机规划平均优优5.6%，在ASML工业案例中降低1.8%平均成本。 验证了深度强化学习在处理复杂硬约束场景中的可行性与优势。
来源：arXiv · AI · arxiv.org