库存管理是企业运营管理过程中不可缺少的重要组成部分,在企业生产和运营活动中起着举足轻重的作用。适当的库存既能够降低库存成本,又不至于影响正常的产品生产和客户服务,而过量的库存会造成持有成本的负担。因此,如何有计划有目的地将库存控制在一个“合理”的范围,建立一套有效的库存管理核心技术,是企业提高核心竞争力以及实现长足发展的关键。另一方面,随着以移动互联网、云计算和大数据为代表的新一代技术的推进,数据价值的挖掘和利用成为信息化的重要目的。因此,随着企业竞争的加剧和客户需求的不确定性不断增加,企业的可持续发展离不开数据驱动决策,基于数据驱动的库存管理方法符合时代发展的需要。而报童问题作为库存管理中运营和供应链这一类问题的基础,在知道真正的需求量之前,决策者需要决定商品的库存来有效地满足真实的需求。在需求随机且分布未知的报童问题中,不同于利用参数信息的方法,本文针对现有方法对非参数信息的利用不足的问题,从分布鲁棒优化方法的角度,提出了基于数据驱动非参数信息的鲁棒优化方法。此外,本文针对具有一个或多个未知参数需求分布的报童问题,从贝叶斯分析的角度对运筹统计量进行研究和探索。本文的主要研究内容有三个方面:第一:基于非参数信息的鲁棒库存管理方法及应用。针对需求分布未知且不做任何假设的前提下,本文创新地提出了一种数据驱动的方法,利用分布的非参数特征,比如单调性和凹凸性,来构建分布模糊集。在固定分段方法下,构建的分布模糊集包含享有与真实分布所希望的非参数特征的所有分布,并将保护曲线作为模糊集中最坏分布的代理来近似真实的需求密度曲线。本文从理论和实验层面验证非参数信息的价值的同时,通过与其他方法比较进一步说明了我们提出的方法在库存管理上的重要意义。第二:基于自适应调整非参数的鲁棒库存管理方法及应用。在固定分段的非参数鲁棒优化方法基础上,本文进一步考虑数据驱动下非参数估计的偏差。通过分析当新的数据加入时非参数估计的稳定性和收敛性,建立了一个考虑在不同数据下能判断分段区间非参数特征无偏性的标准,以及提出了一个自适应分段的非参数鲁棒方法。这方法能根据当前数据有效调节分布模糊集,使得分布模糊集能在一定的概率下保证真实的需求分布包含在这个新的分布模糊集中。此外,本文提出了一个数据量阈值来有效平衡经验方法和非参数鲁棒方法的优势,并通过实验进行了说明。第三:基于贝叶斯分析的参数库存管理方法及应用。本文针对需求分布已知但参数未知的报童问题,考虑直接数据决策下的运筹统计方法,与传统估计和优化分开的方法相比能带来期望利润的提升。但在大多分布或者当分布的未知参数比较多的时候,很难得到闭合形式的运筹统计量。因此,本文提出了一种在贝叶斯框架下数据驱动的一般化方法。针对拥有充分统计量的参数分布报童问题,通过拟合得到与最优运筹统计量的闭合形式相关的多项式函数,并在指数分布和帕累托分布中进行了验证和应用。本文从随机需求的库存管理报童问题出发,提出了一系列数据驱动下的库存管理方法。在理论层面,本文提出了基于非参数信息的鲁棒库存管理方法,区别于以往参数方法和基于统计距离的非参数方法。通过单调性和凹凸性等非参数特征分段构建分布模糊集,并利用构建的保护曲线来进行库存决策。另外,本文针对参数分布报童问题,证明了贝叶斯最优库存量与参数充分统计量之间的函数关系。并在此基础上提出了一种贝叶斯框架下的多项式拟合方法,为求解一般分布或有多个未知参数下的闭合形式的运筹统计量提供了理论支撑和指导。在应用层面,本文提出的非参数鲁棒库存管理方法能有效地应用于报童连续问题和离散问题中去。并且通过开放数据平台上提供的真实数据以及任意分布的采样数据,与现有的参数方法和非参数方法等进行多方面的比较,发现在某些情形下我们的方法能提升利润、利润率以及稳定性。此外,验证了非参数信息的价值以及提出了结合参数信息和非参数信息的鲁棒优化模型,为实际应用中决策者使用哪种信息和模型提供了建议和指导。