IoT-driven dynamic replenishment of fresh produce in the presence of seasonal variations: A deep reinforcement learning approach using reward shaping
本研究发表于管理科学领域权威期刊Omega，聚焦于深度强化学习在生鲜农产品供应链动态补货中的应用。我们考虑了生鲜品供需双向季节性波动，其中需求与提前期均呈现时变特征。为了提高动态补货绩效，本研究基于“零库存”管理范式设计了奖励塑形（Reward shaping）函数，通过强化学习算法实现了供应链库存的动态优化控制。
2025年2月12日
考虑风险容忍度的双渠道绿色供应链运营决策及协调研究
该研究针对双渠道绿色供应链，在考虑各方不同风险容忍度的基础上，构建以制造商为主导的供应链博弈模型，利用均值方差法分析集中式决策和批发价格契约下参与方的运营决策和期望利润，并设计协调契约。
2024年6月6日
随机需求下考虑零售商损失厌恶的双渠道供应链融资策略研究
该研究针对随机需求情形下供应链融资策略问题，考虑资金约束零售商的损失厌恶态度，基于Stackelberg博弈分别构建了贸易信贷模型和银行信贷模型，分析了双渠道供应链的最优运营决策，并通过数值分析揭示了零售商的损失厌恶系数和初始资金对供应链运营决策和融资策略的影响。
2023年5月30日