要約
Newsvendor 問題の目的は、ある分布から導き出される数値を推測することですが、推測が高すぎる場合と低すぎる場合には非対称な結果が生じます。
データ駆動型バージョンでは、ディストリビューションが不明であるため、ディストリビューションからのサンプルを使用して作業する必要があります。
データ駆動型ニュースベンダーは、加法的後悔と乗法的後悔、高確率と期待限界、およびさまざまな配信クラスなど、多くのバリエーションの下で研究されてきました。
この論文では、これらのバリアントのすべての組み合わせを研究し、文献の多くのギャップを埋め、多くの証明を簡素化しています。
特に、クラスター分布の概念に基づいた統合分析を提供します。これは、新しい下限と組み合わせて、$1/\sqrt{n}$ と $1/n$ の間の全範囲の後悔が可能であることを示します。
要約(オリジナル)
In the Newsvendor problem, the goal is to guess the number that will be drawn from some distribution, with asymmetric consequences for guessing too high vs. too low. In the data-driven version, the distribution is unknown, and one must work with samples from the distribution. Data-driven Newsvendor has been studied under many variants: additive vs. multiplicative regret, high probability vs. expectation bounds, and different distribution classes. This paper studies all combinations of these variants, filling in many gaps in the literature and simplifying many proofs. In particular, we provide a unified analysis based on the notion of clustered distributions, which in conjunction with our new lower bounds, shows that the entire spectrum of regrets between $1/\sqrt{n}$ and $1/n$ can be possible.
arxiv情報
| 著者 | Zhuoxin Chen,Will Ma |
| 発行日 | 2024-09-17 14:31:04+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google