可微投影法学习满足硬约束的库存策略

Patrick Helm 等人在 arXiv 论文（arXiv:2608.02343）中提出一种在硬约束下训练深度强化学习库存策略的方法：在策略网络中嵌入可微优化模块，神经网络提出连续动作目标，经二次程序投影到松弛可行集，再用双变量引导的整数映射恢复整数性并保持可行性。论文称由此实现端到端训练并保证硬约束满足。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。