2025年10月25日

多层级库存优化场景：多智能体深度强化学习算法解读

本文将多层级库存优化建模为去中心化部分可观马尔可夫决策过程（Dec-POMDP），采用多智能体近端策略优化（MAPPO）算法，并引入领域随机化（DR）以增强策略鲁棒性。实验表明，DR-MADRL 在需求与提前期变化环境下仍具高效与稳定性能。