論文の概要: Resource-Adaptive Primal-Dual Learning for One-Warehouse Multi-Store Systems with Censored Demand

• arxiv url: http://arxiv.org/abs/2608.14096v1
• Date: Fri, 14 Aug 2026 08:56:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.332449
• Title: Resource-Adaptive Primal-Dual Learning for One-Warehouse Multi-Store Systems with Censored Demand
• Title（参考訳）: 資源適応型Primal-Dual Learning for One-Warehouse Multi-Store Systems with Censored Demand
• Abstract要約: 残余の資源状態が発展するにつれて、検閲された需要を伴う原始二重解決経路を追跡する新しい学習フレームワークを開発する。 基本となる設計と分析のアイデアは、共有リソースの枯渇によって他のオンライン学習問題に影響を及ぼす可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The one-warehouse multi-store (OWMS) system is a fundamental inventory network in which a nonreplenishable warehouse allocates shared stock across multiple stores over time. Existing OWMS learning policies are built around a fixed target calibrated to the initial average resource rate, but such a fixed-target architecture cannot re-center after realized sales change the remaining resource available per future period. We develop Resource-Adaptive Primal-Dual Learning, a new learning framework that tracks the primal-dual resolving path with censored demand as the remaining-resource state evolves. In each period, the current resource rate indexes the target store allocations and dual variable, while censored sales provide gradient estimates for updating both. The analysis combines expected-sales geometry with a moving-target argument to yield logarithmic expected regret, improving on the state-of-the-art square-root-order guarantees of existing OWMS learning policies. The underlying design and analytical ideas may inform other online learning problems with depleting shared resources. Numerical experiments further demonstrate good finite-horizon performance of a practical variant across different horizon lengths and inventory regimes.
• Abstract（参考訳）: ワン・ウェアハウス・マルチストア・システム(OWMS)は、リサイクル不可能な倉庫が時間とともに複数の店舗で共有在庫を割り当てる基本的な在庫ネットワークである。 既存のOWMS学習ポリシーは、初期平均リソースレートに調整された固定目標を中心に構築されているが、そのような固定目標アーキテクチャは、将来の期間に利用可能な残りのリソースを販売変更した後に再集中できない。 我々は,資源適応型Primal-Dual Learningを開発する。このフレームワークは,残余のリソース状態が進化するにつれて,検閲された需要を伴う原始的Dual解決経路を追跡する。 各期間において、現在のリソースレートは、ターゲットストア割り当てとデュアル変数をインデックスし、検閲された販売は、両方を更新するための勾配推定を提供する。 この分析は、予測販売の幾何学と移動目標の議論を組み合わせることで、対数的な期待された後悔を生じさせ、既存のOWMS学習ポリシーの最先端の2乗根次保証を改善した。 基本となる設計と分析のアイデアは、共有リソースの枯渇によって他のオンライン学習問題に影響を及ぼす可能性がある。 数値実験により、異なる水平距離と在庫状態にわたる実用的な変種が良好な有限水平性能を示す。

関連論文リスト

• Optimal and Order-optimal Gated Priority-based Greedy Policies for Two-layer Multi-item Order Fulfillment [12.192024626404482]
  複数項目の顧客注文が順次届き、将来の需要が不明な場合に、Eコマース企業がリアルタイムのフルフィルメント決定を行う方法を検討する。 複数のFDC、地域分布センター(RDC)、複数単位のマルチテムオーダー、アイテム特化および時間変動変動コストを備えた対戦型オンラインモデルを定式化する。 我々の理論的目的は、シンプルで、解釈可能で、実装可能なフルフィルメントルールが最適な透かしプランナーとほぼ同等に実行可能であることを特徴付けることである。
  論文  参考訳（メタデータ） (2026-05-25T14:16:45Z)
• A Single-Sample Polylogarithmic Regret Bound for Nonstationary Online Linear Programming [29.531157410826825]
  非定常オンライン線形計画法(OLP)について検討する。 OLPでは、$n$の注文は、独立だが必ずしも同一に分散されたランダムベクトルの列を形成する報酬と資源の消費のペアと共に順次届く。 本稿では,動的プログラミングの観点を,従来の静止環境において採用されていたデュアルベースフレームワークと統合した新しい再解法を提案する。
  論文  参考訳（メタデータ） (2026-03-15T23:59:30Z)
• Evidence-based Distributional Alignment for Large Language Models [58.65469623911573]
  LLM分布推定の忠実度とロバスト性を改善する証拠に基づくアライメント手法であるEvi-DAを提案する。 対象国が与えられた場合、Evi-DAは関連するWorld Values Survey項目とその回答分布を検索し、オプション毎に粗いヴェルツェル値シグネチャを予測し、国条件の回答分布を構造化形式で推測する。
  論文  参考訳（メタデータ） (2026-03-03T03:34:06Z)
• Non-Stationary Inventory Control with Lead Times [0.4927882324444362]
  非定常単体, 定期レビュー在庫管理問題について検討した。 非定常性の需要が在庫モデル全体の学習性能に与える影響を分析する。
  論文  参考訳（メタデータ） (2026-02-05T15:53:37Z)
• MMR1: Enhancing Multimodal Reasoning with Variance-Aware Sampling and Open Resources [113.33902847941941]
  VAS (Variance-Aware Sampling) は、Variance Promotion Score (VPS) によって導かれるデータ選択戦略である。 我々は、1.6MのCoT冷間開始データと15kのRLQAペアを含む大規模かつ慎重にキュレートされたリソースをリリースする。 数学的推論ベンチマークによる実験では、キュレートされたデータと提案されたVASの有効性が示されている。
  論文  参考訳（メタデータ） (2025-09-25T14:58:29Z)
• Rethinking Resource Management in Edge Learning: A Joint Pre-training and Fine-tuning Design Paradigm [87.47506806135746]
  一部のアプリケーションでは、エッジラーニングは、スクラッチから新しい2段階ラーニングへと焦点を移している。 本稿では,2段階のエッジ学習システムにおける共同コミュニケーションと計算資源管理の問題について考察する。 事前学習および微調整段階に対する共同資源管理の提案は,システム性能のトレードオフをうまくバランスさせることが示されている。
  論文  参考訳（メタデータ） (2024-04-01T00:21:11Z)
• Optimizing Portfolio Management and Risk Assessment in Digital Assets Using Deep Learning for Predictive Analysis [5.015409508372732]
  本稿では,DQNアルゴリズムを新規かつ簡単な方法で資産管理ポートフォリオに導入する。 この性能はベンチマークをはるかに上回り、ポートフォリオ管理におけるDRLアルゴリズムの有効性を十分に証明している。 異なる資産は別々に環境として訓練されるので、異なる資産間でQ値が漂う現象があるかもしれない。
  論文  参考訳（メタデータ） (2024-02-25T05:23:57Z)
• DQ-LoRe: Dual Queries with Low Rank Approximation Re-ranking for In-Context Learning [66.85379279041128]
  そこで本研究では,Dual Queries と Low-rank approximation Re- rank を利用して,文脈内学習のための例を自動選択するフレームワークを提案する。 DQ-LoRe は GPT-4 の自動選択において最先端の手法よりも優れ、92.5% から94.2% まで性能が向上した。
  論文  参考訳（メタデータ） (2023-10-04T16:44:37Z)
• Distributional Reinforcement Learning with Dual Expectile-Quantile Regression [51.87411935256015]
  分布RLに対する量子レグレッションアプローチは、任意の戻り分布を柔軟かつ効果的に学習する方法を提供する。 我々は,分布推定が消失することを示し,推定分布が急速に平均に崩壊することを実証的に観察した。 我々は,$L$の学習効率に感化され,効率のよい学習方法として,返却分布の期待値と量子値を共同で学習することを提案する。
  論文  参考訳（メタデータ） (2023-05-26T12:30:05Z)
• Cooperative Multi-Agent Reinforcement Learning for Inventory Management [0.5276232626689566]
  在庫管理のための強化学習(RL)は、初期の研究分野である。 本稿では,1つの倉庫と複数の店舗からなる,GPU並列化された独自のシステムを提案する。 標準在庫管理ポリシーより優れたシステムを実現する。
  論文  参考訳（メタデータ） (2023-04-18T06:55:59Z)
• A Simulation Environment and Reinforcement Learning Method for Waste Reduction [50.545552995521774]
  本稿では, 流通の観点から, 食料品店の在庫を消耗品で補充する際の問題点を考察する。 目的は、ごみを最小化しながら販売を最大化することであり、衣料品の実際の消費について不確実性がある。 我々は, エージェントの行動に合わせた行動を示す新しい強化学習タスクとして, 在庫再備の枠組みを定めている。
  論文  参考訳（メタデータ） (2022-05-30T22:48:57Z)
• Comparing Deep Reinforcement Learning Algorithms in Two-Echelon Supply Chains [1.4685355149711299]
  我々は、サプライチェーン在庫管理問題を解決するための最先端の深層強化学習アルゴリズムの性能を分析し、比較する。 本研究では,サプライチェーンの在庫管理問題を解決するためのカスタマイズ可能な環境を提供するオープンソースソフトウェアライブラリの設計と開発について,詳細な知見を提供する。
  論文  参考訳（メタデータ） (2022-04-20T16:33:01Z)
• Universal Source-Free Domain Adaptation [57.37520645827318]
  ドメイン適応のための新しい2段階学習プロセスを提案する。 Procurementの段階では、今後のカテゴリギャップやドメインシフトに関する事前知識を前提とせず、将来的なソースフリーデプロイメントのためのモデルの提供を目標としています。 Deploymentの段階では、幅広いカテゴリギャップをまたいで動作可能な統一適応アルゴリズムを設計することを目的としている。
  論文  参考訳（メタデータ） (2020-04-09T07:26:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。