> 内容提要：
> In most retail environments, when inventory runs out, the unmet demand
> is lost and not observed. The sales data are effectively censored by the
> inventory level. Factoring this censored data effect into demand
> estimation and inventory control decision makes the problem difficult to
> solve. In this paper, we focus on developing bounds and heuristics for
> this problem. Specifically, we consider a finite-horizon inventory
> control problem for a non-perishable product with unobserved lost sales
> and a demand distribution having an unknown parameter. The parameter is
> estimated sequentially by the Bayesian updating method. We first derive
> a set of solution upper bounds that work for all prior and demand
> distributions. For a fairly general monotone likelihood-ratio
> distribution family, we derive relaxed but easily-computable lower and
> upper bounds along an arbitrary sample path. We then propose two
> heuristics. The first heuristic is derived from the solution bound
> results. Computing this heuristic solution only requires the evaluation
> of the objective function in the observed lost sales case. The second
> heuristic is based on the approximation of the first-order condition. We
> combine the first-order derivatives of the simpler observed-lost-sales
> and perishable-inventory models to obtain the approximation. For the
> latter case, we obtain a recursive formula that simplifies the
> computation. Finally, we conduct an extensive numerical study to
> evaluate and compare the bounds and heuristics. The numerical results
> indicate that both heuristics perform very well. They outperform the
> myopic policies by a wide margin.

> 报告人简介：
> Li Chen is an assistant professor in operations management at the Fuqua
> School of Business, Duke University. Before joining Duke, Li was on the
> founding team and served as the lead scientist at TrueDemand Software.
> Li obtained his PhD degree from the Department of Management Science and
> Engineering at Stanford University.