在庫処分モデル(深層強化学習)とは、強化学習、特に深層強化学習(DQN:Deep Q Network)という手法を用いて自動的な価格の変更を可能にしているモデルです。DQNによって構成されたモデルによって、自動的な価格の変更を可能にしています。

本モデルでは”価格の特徴”に加え、さらに”販売の特徴”、”顧客アクセスの特徴”を商品の特徴とすることで商品を具体的に表現でき、より精度の良いモデルの構成を可能としています。

本モデルでは、商品に設定している上限金額と下限金額内で価格を導出するために上限金額と下限金額の間に複数の目盛りを作成し、作成した目盛りに価格を割り当てる．これを任意の商品数割り当てられます。

その後、商品の利益額算出、適正在庫数の算出、目標期日を算出することでどの価格で販売すれば最も多くの利益を得ることができ、かつ目標期日までに目標在庫を達成するするかを学習し、現在いる目盛りの価格からどのように行動すれば良いか(上の目盛りへ移動すべきか下の目盛りに移動すべきか現在の目盛りに留まるべきか)を判断し、離散的な状態遷移をしていきます。