本文研究的内容是零售商如何在多期单产品销售中,通过每周期的期初查看当期库存量,并根据观测到的库存量和上期的需求量用贝叶斯公式更新需求分布中的未知参数,进而根据新的预测需求分布得到最优策略的问题。在每一期的期末,根据库存量是否满足需求,分别会产生库存成本和惩罚惩罚成本。对于不能满足的那部分需求有两种不同的处理方法,延迟交货和销售损失。本文采用马尔科夫决策过程来求解最优策略,在求解过程中分别给出了每种模型的决策点集、状态空间、行动集、当期成本(利润)、转移概率和最优方程。其中最优方程分为最小成本和最大利润两种类型。根据最优方程和缺货时处理方法的不同,可产生四种不同的模型：延迟交货时的最小成本模型、销售损失时的最小成本模型、延迟交货时的最大利润模型和销售损失时的最大利润模型。在前两个模型中,我们仅需从最优方程中求出最优库存量即可。在后面的两种模型中价格是未知的,且会影响当期的需求量,从最优方程中得出的最优策略为库存量和价格的组合。本文分别证明了这四种模型存在最优策略,并给出当期最优策略。由马尔科夫决策过程的相关理论和贝叶斯更新方法知在很多情况下全局最优策略是无法计算的,所以当期最优策略能够为决策者提供一个参考。最后本文通过数据实证阐述了所得出的结论,并给出了离散情况下求解全局最优策略的步骤。