硬约束与平滑梯度：通过可微投影学习可行的库存策略

研究将可微优化模块嵌入策略网络，由神经网络提出连续动作目标，经二次规划投影到松弛可行集，再用对偶信息整数映射恢复整数性并保持可行性。该方法在3项实例上平均最优性差距为1%，10项网络中至少优于滚动时域多阶段随机规划5.6%，40项实例相较先进梯队基准库存策略节省达15.3%。在ASML非平稳需求的工业级案例中，相较最佳已知基准策略平均成本最多降低1.8%。