2026/9/23 10:23:13
网站建设
项目流程
import numpy as np from scipy.stats import norm # 定义成本结构 p_s = 10 # 缺货成本 w = 5 # 积压成本 # 计算最优订货量对应的分位数 tau = p_s / (p_s + w) # 假设需求分布为正态分布 mu = 100 # 均值 sigma = 20 # 标准差 # 计算最优订货量Q Q = norm.ppf(tau, loc=mu, scale=sigma) print(f"最优订货量 Q = {Q}")
数学等价性分析
| 概念 | 描述 | 引用 |
|---|
| 校准分位数预测 | 预测系统输出的分位数τ与真实分布的τ分位数一致 |
| 最优报童解 | 在报童问题的标准假设下，给定需求分布F和成本结构（缺货成本p_s，积压成本w），最优订货量Q满足F(Q) = p_s/(p_s + w) |
| 数学等价性 | 经过校准的分位数预测在数学上等价于最优报童解 |
决策兼容性设计原则
| 设计原则 | 描述 | 引用 |
|---|
| 误差方向性兼容 | 预测系统根据决策成本结构选择最优的分位数策略 |
| 分布特征兼容 | 预测系统输出关于需求分布尾部行为的准确信息 |
| 响应模式兼容 | 预测系统在分布偏移时保持鲁棒性 |
删失需求恢复与处方公平性
| 概念 | 描述 | 引用 |
|---|
| 删失需求 | 当商品缺货时，观测到的销售数据被“删失” |
| 预测-决策解耦原则 | 预测层的目标是恢复潜在需求的无偏估计，决策层的目标是最小化运营成本 |
| 处方公平性 | 处方智能系统在删失需求恢复中建立机制，确保不同品类上的预测偏差分布 |
可辩护性阶梯框架
| 层级 | 描述 | 引用 |
|---|
| 记录层 | 系统能够记录决策的输入、输出和上下文 |
| 解释层 | 系统能够解释为什么在给定输入下生成了特定建议 |
| 比较层 | 系统能够证明在给定的约束条件下，其建议优于或等于所有可行的替代方案 |
| 规范层 | 系统能够证明其建议符合独立于历史决策的规范性标准 |
参考来源
- 从预测智能到处方智能：销量预测科学的范式跃迁与理论重构（四）——决策兼容性、处方公平性与可审计智能的系统框架
- 从预测智能到处方智能：销量预测科学的范式跃迁与理论重构
- 从预测智能到处方智能：销量预测科学的范式跃迁与理论重构（四）——决策兼容性、处方公平性与可审计智能的系统框架