经典随机库存研究中, 价格或需求往往被假设为已知分布函数的随机变量,求期望意义下的最优策略, 但最优解在条件变化时(分布变化或分布不符合价格或需求的变化规律),易失去最优性。寻求新方法研究不依赖参数具体分布的在线库存问题很有必要,基于价格或需求的不确定性,研究价格和需求的在线库存、多参数在线库存(参数线性相关、非线性相关或独立)、带有信息更新的在线库存。核心是在线库存问题的模型建立及在线算法的设计与分析,包括不同优化目标和角度的参数识别,模型建立,在线算法的设计与分析,算法的竞争比分析和问题的下界(常数界或参数界),希望得到竞争比等于问题下界的最优在线算法,或基于数值模拟来评价算法的效果。本研究有深刻的实际背景和广泛的应用前景,该领域尚有大量未解问题亟待解决,为了解决这些具有挑战性的问题,我们必须提出一些新的研究方法并设计创新性的在线算法。
英文主题词online inventory;online price;online demand;related price;competitive ratio