Resumen

La gestión de inventario es un problema de decisión secuencial que puede resolverse con aprendizaje por refuerzo (RL). Aunque RL en su forma convencional no requiere conocimiento del dominio, aprovechar dicho conocimiento de la estructura del problema, generalmente disponible en la gestión de inventario, puede ser beneficioso para mejorar la calidad de aprendizaje y la velocidad de RL. El aprendizaje por refuerzo rumiativo (RRL) se ha introducido recientemente basado en este enfoque. RRL está motivado por cómo los humanos contemplan las consecuencias de sus acciones al intentar aprender a tomar una mejor decisión. Este estudio investiga más a fondo los problemas de RRL y propone nuevos métodos de RRL aplicados a la gestión de inventario. Nuestra investigación proporciona información sobre las diferentes características de RRL, y nuestros resultados experimentales muestran la viabilidad de los nuevos métodos.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Gestión de inventario; Aprendizaje por refuerzo; Conocimiento del dominio; Estructura del problema; Aprendizaje por refuerzo rumiativo; Toma de decisiones
• Keywords:Inventory management; Reinforcement learning; Domain knowledge; Problem structure; Ruminative reinforcement learning; Decision-making