2025年11月28日

需求不确定性条件下的补货策略优化：多智能体深度强化学习库存优化解析

多级库存系统在需求随机且信息受限时难以获得最优补货策略。本文将啤酒游戏建模为去中心化 POMDP，引入多智能体 PPO 与域随机化实现鲁棒补货控制。结果显示该方法可逼近解析最优策略，并在最优未知与环境偏差下显著优于基准政策。