36th Annual POMS Conference (2026)Location:Reno, NV, USAImportant Dates:Submission: November 16, 2025Conference: May 7–11, 2026Details:https://pomsmeetings.org/conf-2026/23rd International Conference

论文解读者：史铭伟，胡明杰，赵田田，陈宇文。

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

本文基于“分而治之”、“问题分解”的思想提出了一种分层强化学习框架H-TSP，用以求解大规模TSP。四个不同规模数据集上的大量实验证明了算法的性能与计算效率。通过消融实验，本文验证了所设计策略的有效性，并探索了利用诸如LKH-3这样的先进启发式算法进一步提升下层策略的可行性。进一步地，本文提出的设计思想，或将助力其他复杂、大规模优化问题（如车辆路径规划、车间调度）的高效求解。

编者按在本文章中，我们对顶刊《Management Science》于2026年2月份在线发布的文章中进行了精选（共10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。本月 MS 发文聚焦市场营销与消费者决策、供应链运营管理、公司金融与财务决策、机制设计与公共品分配、平台经济与行为运营管理等核心方向，深入研究了供应链金融场景中的多维信号传递机制、即时零售全渠道品类规划优化、竞技游戏玩家参

编想象一下：你让 AI 自动调参，跑了30轮后它开始反复提出同样的方案，彻底卡住了。这时候，另一个 AI 介入——它读了搜索日志，诊断出了问题，从组合优化领域借来了"禁忌搜索"的思想，写了一段 Python 代码注入进去。卡住的 AI 突然开始探索全新的方向，最终性能翻了 5 倍。这不是科幻，这是刚发布的"双层自动研究"框架做到的事情。1. 研究背景 1.1 自动研究的兴起2025年以来，"自动研

服务平台连接消费者与独立提供商，而提供商通常使用自己的资产(如符合条件的车辆)提供服务。为了扩展服务，平台推出了旨在吸引缺乏必要资产的潜在提供商的计划。这些计划在资产所有权和合同结构上存在分歧。在平台融资中，平台为提供商的资产投资提供融资，作为银行贷款的替代方案。相比之下，在雇佣和租赁计划下，平台自己投资资产，并通过长期的类似雇佣的合同或短期租赁提供给服务提供商。我们开发了一个博弈论模型来研究这些

直播技术丰富了消费者的在线购物体验，使主播能够在实时展示产品的同时与大量消费者互动。然而，直播中存在一个核心矛盾：主播的服务能力有限，而消费者期望获得即时、个性化的回应。本文通过一项在亚洲某头部直播电商平台上开展的大规模。

考虑k阶总偏差，开发平均总偏差模型，以更准确地表示大型随机交通网络中旅行者的风险相关路线选择行为。k描述了旅行者对极端事件的态度，阶数越大，模型将更好地表现极值偏差平均值的能力。经典的均值标准差模型属于k2k=2k2的特例。此外，为了揭示概率分布的偏斜性，从而更好地捕捉旅行者的路线选择行为，k阶总偏差可以分为k阶上偏差和k阶下偏差。

论文原文DENG J， ZHU Y， XIAO F. Leveraging large language model agents for cost-effective sensor data handling and urban traffic navigation[J]. Engineering Applications of Artificial Intelligence, 2026, 17