Automated Design of Inventory Policy with Large Language Models: An Exploratory Study
作者: Fenghua Yang, Preet Baxi, Yi Zhang, Stefanus Jasin, Yanzhe Lei, Mo Liu, Parshan Pakiman
分类: cs.AI
发布日期: 2026-09-08
💡 一句话要点
提出基于大语言模型的自动化库存政策设计方法
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 库存管理 大语言模型 自动化设计 优化算法 供应链管理 决策支持 数据驱动
📋 核心要点
- 现有库存决策方法通常依赖于固定的政策类，缺乏灵活性和适应性，导致优化效果不理想。
- 本文提出的框架通过迭代生成和优化库存政策类，结合LLM和外部求解器，实现了自动化设计。
- 实验结果显示，经过多代优化，发现的政策类在多个新库存实例中平均成本降低21.75%至22.60%。
📝 摘要（中文）
本文提出了一种集成框架，结合操作数据、优化工具和大语言模型（LLMs）来自动化库存政策设计。该框架通过迭代生成参数化政策类，并利用外部求解器优化每个类的参数。在30个缺货销售库存实例中，经过十代生成，平均成本降低幅度从17.5%提升至30%。研究表明，数据驱动的参数优化能够有效指导LLM在广泛的库存政策类中搜索，并识别出高效、可解释且可迁移的决策规则。
🔬 方法详解
问题定义：本文旨在解决传统库存政策设计方法的局限性，现有方法往往依赖于预设的政策类，缺乏灵活性和适应性，导致优化效果不佳。
核心思路：通过结合大语言模型和外部优化求解器，迭代生成和优化库存政策类，从而实现自动化的库存政策设计，提升决策质量。
技术框架：整体框架包括数据输入、LLM生成参数化政策类、外部求解器优化参数、反馈循环等主要模块。首先输入需求数据，然后LLM生成不同的政策类，接着通过求解器优化参数，最后根据反馈迭代改进政策类。
关键创新：最重要的创新在于将LLM与优化过程结合，形成一个动态的反馈机制，使得搜索不仅限于固定政策类内的参数优化，而是能够探索新的政策类功能形式。
关键设计：在参数设置上，采用了基于反馈的优化策略，损失函数设计为考虑成本和库存水平的综合指标，LLM的网络结构则支持生成多样化的政策类。
🖼️ 关键图片
📊 实验亮点
实验结果表明，经过十代优化，发现的政策类在30个缺货销售库存实例中，平均成本降低幅度从17.5%提升至30%。此外，三种新发现的政策类在10,064个新库存实例中实现了21.75%至22.60%的平均成本降低，显示出显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括供应链管理、库存控制和生产调度等。通过自动化设计库存政策，企业能够更高效地应对市场需求变化，降低运营成本，提升整体供应链的灵活性和响应速度，具有重要的实际价值和未来影响。
📄 摘要（原文）
Firms making inventory decisions have access to operational data, optimization tools, and large language models (LLMs). Typically, data characterize the operating environment, optimization selects parameters within a prespecified inventory policy class, and LLMs support coding and decision analysis. We develop an integrated framework that combines these resources to automate inventory policy design. Given demand data, the framework iteratively uses an LLM to generate parameterized policy classes and an external solver to optimize its parameters within each class. Across 30 lost-sales inventory instances, the mean cost reduction relative to optimized base-stock benchmarks increases from 17.5% after one generation to 30.0% after ten generations. Parameter optimization is central to this performance: an LLM-only variant performs substantially worse, whereas optimization-guided feedback improves policy quality, accelerates search, and directs the LLM toward better policy classes rather than merely better parameter values within a fixed class. The strongest discovered policies are also interpretable: they combine recognizable inventory-control motifs, including capped orders, discounted or weighted pipeline inventory, and threshold-based replenishment logic. The search thereby produces new policy-class functional forms that, to our knowledge, have not previously been studied in the lost-sales inventory literature. These functional forms are not specified ex ante but emerge from the search process. Moreover, after their parameters are re-optimized, three discovered policy classes achieve average cost reductions of 21.75% to 22.60% across 10,064 new inventory instances. Overall, the results show that data-driven parameter optimization can guide LLM-based search over a broad space of inventory policy classes and identify high-performing, interpretable, and transferable decision rules.