随着大数据对供应链渗透程度的加深,库存决策进一步摆脱了对需求分布假设的依赖,数据驱动报童成为了供应链决策优化问题与人工智能方法融合的研究前沿。人工智能中,深度强化学习具备感知环境的能力与超越人类顶尖水平的潜力,在游戏、金融等领域成绩斐然,供应链领域对其的应用也如日方升。因此,本文致力于将深度强化学习引入数据驱动报童,为供应链决策优化注入新的科技内涵。作为开创性地将强化学习与深度学习相结合的经典深度强化学习算法,深度Q网络（DQN）能够应对各种挑战性任务。但经过在报童环境下的算法再设计与仿真实验,发现其难以直接利用并适应供应链决策环境。因此,区别于以往算法仅学习环境（大数据）,本文从“人机协同”的视角出发,设计学习人类经验的智慧报童深度强化学习算法。其中“人”是数据驱动报童理论成果,“机”是DQN,“协同”是理论作为老师在学生DQN与环境互动的闭环链路进行指导。具体设计为前期将老师上一期的理论解与成本作为学生的输入,即传授经验;中期基于老师的行为限制学生的行动范围,即规范决策;后期根据学生偏离老师的程度给予反馈,即正则回报。因此,算法的“智慧”表现为针对环境中的问题,基于老师所刻画的人类理性行为这一知识与可获得的部分信息,学习并决策的能力。通过实验、实测以及将两者结合的迁移学习这三种方式进行评估,结果表明:实验中,智慧报童较DQN能够更快更稳定地收敛于完全信息下的理论最优解,在效率效果上有显著提升;实测中,较DQN以及其他基于模型（参数估计）和数据驱动（经验分布和SAA）的方法,智慧报童也能达到更优的绩效水平;行为上,智慧报童兼备稳定与灵活的特征,人机协同机制能够避免随机探索难以快速收敛稳定与陷入局部最优后难以脱离的弊端,在固定值附近的小范围波动以更好地适应不确定的需求变化。最后迁移学习提供了实验与实测相融合的路径,进一步增强了算法的适应性,为企业提供智慧化决策的工具。