OR-Transformer: Scaling Real-Time Decision-Making to 1,000 Items
研究人员提出 OR-Transformer，这是一种用于随机需求下联合补货的深度学习框架。该框架采用物品排列等变 Transformer 架构及基于库存动态的路径梯度训练方法。在涵盖最多 1,024 个库存物品的规模测试中，OR-Transformer 的表现随规模增大而优于学习和滚动时域混合整数线性规划（MILP）基线模型。相比 MILP 求解器，该框架将在线决策时间缩短了超过 400 万倍，实现了供应链操作中大规模实时深度强化学习。