一种数据驱动的易腐品多级库存水平优化方法及系统

本发明公开了一种数据驱动的易腐品多级库存水平优化方法及系统，涉及深度强化学习技术领域。包括步骤：对于零售节点，采集易腐品的历史销售数据和外部特征数据，并输入神经网络训练；采集易腐品的运输环境信息；构造并初始化训练网络和目标网络、经验回放池；基于运输环境信息定义状态和动作，后两者分别表示指定日期的在途转运量、当天发出量；基于运输环境信息构建奖励函数，用于对状态及其动作生成奖励值；对训练网络进行迭代训练，并将得到的状态转移存入经验回放池；从经验回放池选择样本，结合目标函数更新网络参数，并定期同步至目标网络；由目标网络输出最优转运量序列。最终实现对仓库点到零售点间的物流调度，优化配送频率与批次组合。