Improving cash logistics in bank branches by coupling machine learning and robust optimization

این مقاله توصیف می کند که چگونه تکنیک های یادگیری ماشین و بهینه سازی قوی می توانند عملیات تدارکات نقدی را بهبود بخشند. به طور خاص، ما به دنبال بهینه سازی تدارکات به دنبال شاخه های مختلف یک بانک مشخص می کنیم. یادگیری ماشین برای پیش بینی تقاضاهای پولی برای هر شاخه، با توجه به تقاضاهای گذشته و اثرات تقویم استفاده می شود. این پیش بینی های تقاضا به یک مدل بهینه سازی قوی ارائه می شود که خروجی آن حملات نقدی است که هر شاخه باید درخواست کند. این حملات تضمین می کند که تقاضا به سطح اطمینان مورد نظر برآورده شده است، در عین حال رضایت محدودیت های اضافی ناشی از این حوزه خاص را نیز رعایت می کند.