Otimização de Estoque Multi-Escalão com GFlowNets

O estudo em questão é sobre a otimização de políticas de estoque em um sistema multi-item e multi-escalão, sujeito a uma restrição orçamentária. O objetivo central é minimizar a falta de produtos (backorders), maximizando assim a disponibilidade de sistemas complexos. Foi implementada e avaliada uma abordagem baseada em Redes de Fluxo Generativas (GFlowNets), uma técnica de Machine Learning, comparando seu desempenho com o modelo heurístico clássico METRIC, que serve como um benchmark de alta performance. Os resultados, validados em um ambiente de simulação de eventos discretos, demonstram que a GFlowNet alcançou um desempenho, ainda que inferior, próximo à solução da heurística especializada, e abre caminho para aplicações em cenários mais complexos onde heurísticas não levam a resultados satisfatórios.