店长的大脑是一个小神经网络。每周日晚上它读一份经营快照（上周销售、客流、毛利、份额、断货、报废、现金、明天天气、正在发生的突发事件），定下这一周的 6 个策略：冲动品（零食饮料等）和必需品（粮油日用等）各自贵几成或便宜几成、临期打几折、备货多还是少、几点开门、几点关门。每天订几箱由补货规则按这些策略执行——老板定策略，伙计照做。

分数是一年的经济利润：会计利润再扣掉店主每小时 25 元的劳动和投入资本的机会成本。破产重罚 10 万元。

像选秀：每一代把当前的店长复制出 16 个性格略有不同的版本，各自在 2 个随机年份（含随机突发事件）里经营一整年，年底比谁赚得多；赚得多的往哪个方向偏，下一代就整体往那个方向挪一点。重复几十代。

和常听说的 PPO 的区别：PPO 像有师傅逐周点评，每周的决定当场归功、当场微调，学得细但要猜"哪周的决定起了作用"；小卖部的回报很滞后（降价后客人几周才回流），所以这里用只看全年总账的进化策略，更稳、不用额外的库、能多进程并行。