当天分享的是她最新的研究进展。刘方首先从实际情况入手，考虑在线零售商在一段时间内会将多个产品销售到多个区域；所以零售商将从单个供应商处订购产品，并将它们存放在多个仓库。在销售期开始时，零售商根据仓库容量限制确定产品订货数量及其在每个仓库的存储数量，在周期末，当零售商了解到需求后，会确定每个仓库的检索数量以满足需求。所以为了更好地匹配供需，零售商必须在策略上确定每个周期开始时从供应商处补充多少产品（订购策略）和在每个仓库中存储多少产品（存储策略）。在了解了这一时期的需求之后，零售商必须确定从每个仓库中提取多少产品来满足不同地区的需求（检索策略）。
我们都知道，零售商的目标是最大限度地提高其预期利润。对于单一需求区，他们找到了最优解，其中最佳的检索策略是贪婪策略。他们设计了一个多项式时间算法来确定最佳存储策略，该策略保留了嵌套属性：在所有非空仓库中，小指数仓库包含存储在较大指数仓库中的所有产品。最佳订货策略是报童类型的策略。如果存在多个需求区域，问题在分析上会变得难以解决，所以他们通过一种有效的启发式来解决它。这种启发式算法涉及一种混合近似第二阶段预期利润的算法。基于亚洲一家大型时尚在线零售商的合成数据和真实数据进行的数字实验表明，文章所提出的启发式方法优于最先进的方法，计算时间显著减少。通过灵活的供给需求，该启发式算法的平均效率比零售商采用的专用政策提高了28%。
在论坛的尾声，主持人王曙明副教授就刘方分享的内容提出自己的问题及思考，两位老师进行了深入的学术互动，让参会的同学也感受到了浓厚的学术交流氛围。
责任编辑：张婧睿
