衔接数据与适应：基于强化学习的城市食品零售选择主体模型比较
Bridging data and adaptation in agent-based modelling: A comparative reinforcement learning approach to urban food retail choice
发表于 2026年7月10日 · 收录于雷达 2026年11月5日
中文摘要
本文针对顾客杂货购物行为研究多为静态、难以呈现顾客与食品零售商动态互动的问题，构建离线到在线（O2O）混合强化学习模型，并在顾客商店选择主体模型中与纯在线、纯离线学习进行比较。结果显示，混合模型在顾客奖励表现上最佳，并兼具历史数据带来的良好初始表现与在线适应能力；离线预训练有助于再现特定购物模式。