作为库存管理研究的经典问题,报童问题常被广泛地应用于社会经济生活的多个领域当中。在传统的报童问题研究中,通常需要对需求做出统计假设,并在此基础上进行模型求解。而在实际的决策环境里,零售商往往难以掌握需求的分布信息,且市场需求并不总是能用某一个概率分布进行准确刻画。机器学习技术的日益成熟为跨学科融合研究提供了新的思路,许多在线算法被引入到经济管理研究领域,以帮助解决实际的管理决策问题。WAA算法是计算科学学科兴起的一种在线算法,这一算法摒弃了对输入数据的统计假设,仅凭借逐步更新的历史数据做出序列决策,因此可用该算法解决需求分布未知的报童订购问题。本文应用WAA算法集成静态的专家意见,研究了无统计假设的多期报童问题,并提供了报童问题推广模型的在线订购策略。首先,结合周期性的需求特性分别探讨了连续型取值和离散型取值下的多期报童决策问题,给出相应的在线订购策略,并对所给策略的竞争性能进行理论分析。用数值算例进一步测试策略的收益表现和竞争性能,以验证策略具有一定的有效性和稳健性。其次,考虑订货过多和订货不足两种情况,引入回购价值和缺货损失对模型进行扩展,研究回购价值和缺货损失对报童决策的影响,给出了连续型和离散型需求下报童的在线订购方案。最后,在网上订购盛行的背景下,基于有条件的免运费政策对报童问题做拓展研究,结合运费成本和免运费阈值为报童制定在线订购策略,并在数值算例部分进一步测试了参数的不同取值对策略收益表现和竞争性能的影响。本文所设计的在线策略均是摆脱了需求假设统计的,且从理论上给出了策略的竞争性证明。数值算例的结果也进一步验证了应用WAA算法构建的在线订购策略具有良好的收益表现和竞争性能,且随着决策期数的增加,在线订购策略所实现的累积收益可以媲美基准策略所实现的累积收益。本文结合周期性需求、回购价值、缺货损失和运费政策等现实因素构建报童模型,并给出报童的在线订购策略,一方面丰富了易逝品库存管理的相关研究,另一方面为易逝品零售商的订购决策提供了理论参考。