2025年5月，全讯白菜网002于辉教授（通讯作者）与博士生阎晓丽（第一作者）合作的研究成果“Newsvendor Problems with Product Unbundling: An Approach Combining Robust Optimization with Deep Reinforcement Learning”在UTD24/FT50期刊《Production and Operations Management》网络首发。

在时尚、食品加工、石油化工生产和农业领域，产品通常以预先固定的搭配组合形式进行捆绑销售，且各产品具有给定比例。例如，一箱男鞋可能包含24双同款不同尺码的鞋：其中1双为7码，4双为9码，以此类推。这些鞋以独立包装形式进行零售。零售商以组合形式采购产品，再以拆零形式销售。本研究提出并分析了一种报童模型：零售商需在各产品的随机需求实现之前，决定整个产品组合的订购量。本研究将其称为产品拆零报童问题（PUNP）：零售商应如何确定产品组合的订购量，以满足未知的个体产品需求，从而实现预期利润最大化？该研究采用鲁棒优化方法处理该问题，该方法仅需知道随机需求的均值与协方差矩阵，而无需掌握具体需求分布。然而，考虑最坏需求场景的鲁棒方法通常被认为过于保守。为此，本研究将分布鲁棒优化（DRO）与深度强化学习（DRL）相结合，提出了一种改进决策质量的鲁棒学习新范式。将鲁棒解（即订购量与利润）作为人类领域知识，通过设计策略迁移机制将其融入DRL的决策过程。由于精确的鲁棒解在计算上难以处理，本研究提供了近似解法。基于有限数据规模的仿真实验表明，该方法能有效提升鲁棒性能，且这种混合方法显著优于纯DRL方法。同时，降低的计算成本与增强的决策建议可解释性，有助于DRL算法在运营实践中的部署。此外，该混合方法在解决PUNP多个变体问题时的成功应用表明，所提出的机制可能为复杂运营问题的解决提供新路径。