在高度动荡的金融市场环境下，本研究提出了一个自适应的多智能体框架（MASA），采用了深度学习和强化学习方法作为反应性代理，平衡投资组合的回报和潜在风险。该框架中的市场观察者代理提供了有价值的市场趋势信息，以帮助多智能体反应性学习方法快速适应不断变化的市场条件。经验证实，MASA 框架在过去 10 年的 CSI 300 指数、道琼斯工业平均指数和标准普尔 500 指数上相比其他已知基于强化学习方法的方法表现出潜在优势，并为未来的研究提供了多个可能的方向。

Feb, 2024

提出了一种以权重分配为中心的投资组合管理器，可以在后定格式市场上执行金融交易，并超过传统投资组合管理器的风险调整收益。

May, 2024

使用深层强化学习的自主交易代理设计动态投资组合优化模型，通过模型无关机器学习模块、生成式对抗数据增强模块以及行为克隆模块实现训练，对历史金融市场数据进行模拟交易，证明该模型相较于先前的交易策略是稳健的、盈利的和风险敏感的。

Jan, 2019

介绍了多智能体路径规划 (MAPF) 领域中深度强化学习 (DRL) 方法的整合，并提供了统一的评估指标以解决现有挑战。

Aug, 2023

本文提出了一种基于元学习和深度增强学习的投资组合管理方法 MetaTrader，通过模仿不同的专家策略来获取适应不同市场的交易策略，并学习元策略来决定最适合的策略。实证结果表明，MetaTrader 在平衡利润和风险方面显著优于现有的基线模型，并通过彻底的消融研究验证了该方法组成部分的有效性。

Sep, 2022

本文提出了一种基于两级层次结构的管理方法，结合统一接入 - 回传约束、联邦式机器学习和双注意力深度强化学习模型，在考虑移动接入点规划的同时，优化无人机的部署和网络结构设计，提高 5G 网络中移动接入点的效率。

Jun, 2023

本文提出了一个具有 EIIE 拓扑结构、PVM、OSBL 方案和完全利用和显式奖励函数的基于深度强化学习的组合策略金融投资组合管理框架，该框架需要使用 CNN、RNN 或 LSTM，通过在加密货币市场上进行三次回测实验，与其他相比，实现了最好的投资回报。

Jun, 2017

提出了一种基于强化学习的框架（SARL）来应对金融投资组合管理中数据异构性和环境不确定性的问题，实验结果表明，该框架可以提高投资组合的累积收益和风险调整后的利润。

Feb, 2020

通过使用并行程序指导多个智能体高效完成需要规划 10 个以上阶段的任务，本文提出了一种名为 E-MAPP 的增强型多智能体强化学习框架，该框架整合了程序的结构信息，促进了基于程序语义的协作行为，并通过任务分配器提高了时间效率，在 Overcooked 环境中完成的一系列复杂的长期合作任务的实验结果表明， E-MAPP 在完成率、时间效率和零 - shot 泛化能力方面优于强基线方法。

Dec, 2022

在这项工作中，我们研究了分布式多智能体路径规划问题的设置，通过集成启发式搜索和强化学习方法，提出了一种解决复杂的问题的方法。我们的方法在广泛的设置中得到了验证，并且在吞吐量和泛化能力上表现优越，同时比现有的基于规则和基于搜索的解决方法快一个数量级。

Oct, 2023