AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-20
Kebijakan Newsvendor Berbasis Fitur yang Optimal di Bawah Permintaan Tersensor
Judul asli: Optimal Feature-Based Newsvendor Policies under Censored Demand
Makalah ini membahas masalah newsvendor di mana pengambil keputusan harus mempelajari berapa banyak stok yang harus dipesan dari data permintaan yang tersensor, di mana permintaan disebut tersensor ketika stok yang tersedia tidak cukup untuk memenuhinya. Para penulis mengusulkan pendekatan fungsi kerugian yang agnostik terhadap model yang mengestimasi kuantitas pemesanan optimal dari data observasional, dengan mengkarakterisasi kebijakan optimal sebagai peminim dari kerugian ini. Metode ini hanya membutuhkan satu langkah estimasi, dapat diimplementasikan dalam minimisasi risiko empiris linear, optimasi bobot kernel, dan jaringan saraf dalam, konvergen dengan cepat ke kebijakan optimal pada data sintetis, serta meningkatkan kinerja pada data ritel dunia nyata.