KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-20
Optimale featurebasierte Newsvendor-Politiken unter zensierter Nachfrage
Originaltitel: Optimal Feature-Based Newsvendor Policies under Censored Demand
Das Papier betrachtet ein Newsvendor-Problem, bei dem ein Entscheider aus zensierten Nachfragedaten lernen muss, wie viel Bestellmenge zu ordern ist, wobei Nachfrage zensiert ist, wenn nicht genügend Bestand verfügbar war, um sie zu decken. Die Autoren schlagen einen modellagnostischen Verlustfunktionsansatz vor, der optimale Bestellmengen aus Beobachtungsdaten schätzt und die optimale Politik als Minimierer dieses Verlusts charakterisiert. Die Methode erfordert nur einen einzigen Schätzungsschritt, lässt sich mittels linearer empirischer Risikominimierung, Kernel-Gewichtsoptimierung und tiefer neuronaler Netze implementieren, konvergiert auf synthetischen Daten schnell zur optimalen Politik und verbessert die Leistung auf realen Einzelhandelsdaten.