論文の概要: Overcoming Demand Censoring through Randomization for Risk-Sensitive Newsvendor Learning

• arxiv url: http://arxiv.org/abs/2611.02267v1
• Date: Sun, 01 Nov 2026 22:43:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-11 09:45:37.491474
• Title: Overcoming Demand Censoring through Randomization for Risk-Sensitive Newsvendor Learning
• Title（参考訳）: リスク感応型ニューズベンダー学習におけるランダム化による需要評価の克服
• Abstract要約: 我々は,制約付き需要,検閲された観察,不規則な不足コストによるオンラインニュース学習について検討する。 ストックアウトは勾配に基づくアルゴリズムで必要とされる不足大小を隠蔽することができるため、ランダム化順序付けを用いて不偏次推定を構築する。 我々は、結果の下位見積と勾配に基づく更新を組み合わせたオンライン在庫政策を策定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We study online newsvendor learning with bounded demand, censored observations, and convex nonlinear shortage costs. Because stockouts can conceal the shortage magnitudes needed by gradient-based algorithms, we use randomized ordering to construct unbiased subgradient estimates. We characterize admissible randomization distributions within this framework and develop an online inventory policy that combines the resulting subgradient estimates with gradient-based updates. Our regret analysis quantifies the cost of randomization via the estimation variance and an additional loss term. We characterize the randomization distributions that minimize this objective. For piecewise-linear shortage costs, the optimal distribution is computed through a linear-time recursion; for costs with bounded curvature density, it is characterized by a scalar ordinary differential equation. The policy achieves expected regret of $O(T^{2/3})$ against the best fixed order in hindsight over $T$ periods. Under independent demand and suitable curvature of expected losses, the bound improves to $O(\sqrt{T})$. Matching minimax lower bounds establish rate optimality over the corresponding classes with a fixed marginal-cost bound. Both rates extend to nonperishable inventory under uniformly positive conditional expected demand. Numerical experiments on synthetic and retail data show improvements over alternative policies using censored observations.
• Abstract（参考訳）: 我々は,オンラインニュースベンダの学習を,需要境界,検閲された観察,不規則な不足コストで研究する。 ストックアウトは勾配に基づくアルゴリズムで必要とされる不足大小を隠蔽することができるため、ランダム化順序付けを用いて不偏次推定を構築する。 このフレームワーク内での許容確率分布を特徴付け、その結果の下位推定と勾配に基づく更新を組み合わせたオンライン在庫ポリシーを開発する。 提案手法は,推定分散と損失項の付加によるランダム化コストを定量的に評価する。 この目的を最小化するランダム化分布を特徴付ける。 分数的な線形不足コストに対しては、最適分布は線形時間再帰によって計算され、有界曲率密度を持つコストに対しては、スカラー常微分方程式によって特徴づけられる。 このポリシーは、$O(T^{2/3})$の期待された後悔を、T$の周期の後で最高の固定順序に対して達成する。 独立需要および予想される損失の適切な曲率の下では、境界は$O(\sqrt{T})$に改善される。 ミニマックス下限のマッチングは、固定された限界コスト境界を持つ対応するクラスに対する速度最適性を確立する。 いずれのレートも、一様正の条件で予測される需要の下では、実行不可能な在庫にまで伸びる。 合成および小売データに関する数値実験は、検閲された観察による代替政策よりも改善されている。

関連論文リスト

• Minimax-Optimal Semiparametric Contextual Dynamic Pricing with Multimodal Revenue [6.201103695201767]
  コンテキスト動的価格をBounded, おそらくノンバイナリ購入量で検討する。 我々は、一様の最適価格を許すため、円滑さも強力なモダリティも収益に課さない。
  論文  参考訳（メタデータ） (2026-08-04T05:14:26Z)
• Decision from Suboptimal Classifiers: Excess Risk Pre- and Post-Calibration [52.70324949884702]
  バッチ二分決定における近似的後続確率を用いた余剰リスクの定量化を行う。 我々は、再校正のみが後悔のほとんどに対処する体制と、後悔が集団的損失に支配される体制を識別する。 NLP実験では、これらの量によって、より高度なポストトレーニングの期待値が運用コストに値するかどうかが分かる。
  論文  参考訳（メタデータ） (2025-03-23T10:52:36Z)
• Minimax Optimality in Contextual Dynamic Pricing with General Valuation Models [8.981637739384674]
  意思決定者は、観測可能なコンテキストに基づいてパーソナライズされた価格を投稿する。 それぞれのバリュエーションはコンテキストの未知の潜在関数としてモデル化され、独立性と同一に分散された市場ノイズによって破損する。
  論文  参考訳（メタデータ） (2024-06-24T23:43:56Z)
• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Distributionally Robust Optimization with Bias and Variance Reduction [9.341215359733601]
  勾配に基づくアルゴリズムであるProspectは、スムーズな正規化損失に対する線形収束を享受していることを示す。 また、勾配法のようなベースラインよりも2～3$times$早く収束できることも示している。
  論文  参考訳（メタデータ） (2023-10-21T00:03:54Z)
• Distribution-Free Robust Linear Regression [5.532477732693]
  共変体の分布を仮定せずにランダムな設計線形回帰を研究する。 最適部分指数尾を持つオーダー$d/n$の過大なリスクを達成する非線形推定器を構築する。 我々は、Gy"orfi, Kohler, Krzyzak, Walk が原因で、truncated least squares 推定器の古典的境界の最適版を証明した。
  論文  参考訳（メタデータ） (2021-02-25T15:10:41Z)
• Online Stochastic Convex Optimization: Wasserstein Distance Variation [15.313864176694832]
  滑らかな凸関数の期待値の最小値を追跡するためのオンライン近勾配法について検討する。 システムや制御文献にインスパイアされた推定・追跡誤差の概念を再考する。 我々は、強い凸性、勾配のリプシッツ性、確率分布のドリフトに対する境界を与える。
  論文  参考訳（メタデータ） (2020-06-02T05:23:22Z)
• Minimax-Optimal Off-Policy Evaluation with Linear Function Approximation [49.502277468627035]
  本稿では,関数近似を用いたバッチデータ強化学習の統計的理論について検討する。 記録履歴から新たな対象政策の累積値を推定するオフ・ポリティクス評価問題を考察する。
  論文  参考訳（メタデータ） (2020-02-21T19:20:57Z)

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。