在过去十年间，库存与供应链管理经历了显著的变革。电子商务的兴起为供应链引入了复杂性与全球化，导致物理流动日益互联。因此，管理这些供应链所需的成本不断上升。此外，COVID-19 疫情更是进一步推高了管理复杂网络的支出。根据《华尔街日报》的最新报道，美国企业的物流成本在某些年份中同比增长高达 22%. 为应对这些挑战，一个具有前景的方向是引入基于人工智能的库存管理解决方案，该类方案在管理复杂供应链方

首先声明模型，其次调用model.add_variable函数添加变量，可以设置变量的上下界和名称，随后调用model.add_linear_constraint添加线性约束条件，调用model.set_objective设置目标函数，由于使用了运算符重载，线性表达式可以由变量的四则运算直接构建，最后调用model.optimize求解优化模型，并调用model.get_value查询变量的最优解

研究不仅对比了传统精确算法和启发式方法，还在不同问题规模下评估了七种主流LLM（包括OpenAI 的 ChatGPT-3.5和ChatGPT-3.5、Google 的 LaMDA 2 和 PaLM 2、Meta AI 的 LLaMA 2、阿里巴巴的 Qwen 和百度的 Ernie），发现ChatGPT-4o在减少加班时间、平滑床位需求峰值方面表现最优。与传统仅依赖数学优化的方法不同，LLM具备整合

收益管理（Revenue Management; RM）关注的是需求管理决策，以及做出这些决策所需的方法和系统（决策对象）。人类历史上的每一个卖家都面临着需求管理的决策。本文关注收益管理中动态定价的经典模型和常用算法并进行相应延展。

不同供应链结构下可溯源区块链技术的价值​（关键词：区块链，可追溯性，供应链管理，质量管理，合同契约）

作者：莫思雨&王晶&王源2017年阿里巴巴的一篇用深度强化学习求解3维装箱问题的论文引发了深度学习和强化学习在组合优化问题方面应用的深入探讨。一部分先驱的研究者尝试用深度学习和强化学习的角度去看待组合优化问题的求解，相关的前沿探索性研究也逐步展开。单纯的采用基于Search的传统数学优化方法是否有着局限性，基于深度学习和强化学习的Learning to Search方法是否能有着较

编者按在本系列文章中，我们对《Operations Research》于8月份发布文章中进行了精选（共7篇），并总结其基本信息，旨在帮助读者快速洞察行业最新动态。● 题目：Optimal Trading with Speed-Dependent Transaction Cost Rates: A Flexible Framework含速度依赖性交易成本率的最优交易：一个灵活框架● 原文链接：htt

Location:Details:

编者按● 题目：Robust train carriage planning for mixed transportation of passengers and uncertain freights in a high-speed railway network高速铁路网络中客货混运的鲁棒列车编组与车厢安排● 原文链接：https://doi.org/10.1016/j.trb.2025.103

通过推导实现手术调度模型的可解释性：通过对基于 Wasserstein 距离模糊集的分布鲁棒模型进行推导，本文发现了 Wasserstein 分布鲁棒模型与样本平均近似（SAA）模型之间的关系：当模糊集半径θ\thetaθ为0时，本文模型等同于 SAA 模型；当模糊集半径不为0时，相较于SAA模型，Wasserstein-DRO模型相当于为每个手术室保留了θ∣∣yrzr∣∣∗θ∣∣yr​zr​∣∣