本文介绍如何结合Amazon Chronos2零样本时间序列预测与Amazon Bedrock AgentCore多智能体编排,构建端到端库存补货自动化系统。系统由监督、预处理、预测、报告四个LLM智能体协调确定性工具,将需求预测转化为可审计的采购订单。新SKU无需训练模型,仅上传CSV即可,推理成本降低98%,中位WAPE为12.3%。
该研究旨在最大化销售和最小化浪费,通过分布式方法研究杂货店的库存补货问题。研究提出了GLDQN算法,证明其在浪费和总体奖励方面优于其他分布式强化学习算法。
完成下面两步后,将自动完成登录并继续当前操作。