通过优化补给决策，维持产品供需平衡是供应链行业面临的最重要挑战之一。本文使用一种名为 MARLIM 的新型强化学习框架，解决了具有随机需求和交货时间的单级多产品供应链的库存管理问题。数值实验结果表明，相比传统基准模型，强化学习方法具有显著优势。

Aug, 2023

提出了一种使用多智能体强化学习的分散化数据驱动库存管理问题的解决方案，其中每个实体由一个智能体控制，通过对不同供应链网络和不确定性水平的模拟来研究近端策略优化算法的三个多智能体变体。中心化训练分散化执行的框架被部署，该框架依赖于离线集中化，以便在基于模拟的策略识别期间进行，但在策略在线部署到实际系统时实现分散化。结果表明，使用带有集中式评论者的多智能体近端策略优化方法可以实现接近集中式数据驱动解决方案的性能，并在大多数情况下优于分布式基于模型的解决方案，同时遵守系统的信息约束。

Jul, 2023

通过提出 Context-aware Decentralized PPO (CD-PPO) 算法，本研究利用 Shared-Resource Stochastic Game (SRSG) 模型解决了库存管理中的再订货决策问题，并通过大量实验表明 CD-PPO 算法比标准的 MARL 算法有更快的学习速度。

Dec, 2022

本文提出使用强化学习和深度学习技术来解决供应链库存管理问题，提供了随机两阶段供应链环境的数学形式，并开发了一个公开的库，以便使用深度强化学习算法解决 SCIM 问题。实验结果表明，DRL 相对于标准的重新订购策略表现更好，因此可以被视为解决真实世界的问题的一种实用有效的选择。

Apr, 2022

研究了基于强化学习的仓库库存管理算法，该算法可以用于产品和零售商数量都庞大的供应链系统，并提供了一种训练阶段中模拟系统的近似方法来解决处理大型系统的计算问题，实验证明了该算法可以成功地处理大型供应链网络。

Apr, 2022

本文介绍了一个名为 MABIM 的多代理数据集。作者使用该数据集对一些方法在多商品多层次库存管理问题的性能进行了评估，并探讨了多益智智能算法在实际行业中的应用。

Jun, 2023

该研究探讨了在不同策略要求的环境中，代理人能否控制变化的供应链问题，避免长时间未见任务导致的灾难性遗忘，通过对比不同算法的性能发现，在不同程度的随机性环境中，将学习策略适用于连续变化的供应链情境中是不同的，并且具有记忆历史的算法在应对极端任务的变化中表现较好。

Dec, 2023

本文提出了一个定制化的仓库环境模拟器，利用强化学习技术来实现仓库优化，通过与业界先进算法以及人类和随机策略的比较来验证了其效果。

Jul, 2022

本篇论文提出了一种基于多智能体强化学习的新型协作机制以及一种创新的状态和奖励设计，对复杂交通网络中的资源平衡问题进行优化，实验结果表明，该方法能够更好地激励代理之间的合作，相比于传统的基于组合优化的方法，可以显著提高交通服务的效果和稳定性。

Mar, 2019

我们引入了一种深度强化学习 (DRL) 方法来解决包括库存管理、动态定价和推荐等管理问题。这种 DRL 方法有潜力基于特定的变压器神经网络结构构建一个大型管理模型，从而为各种管理任务提供一种人工通用智能范式。我们的方法能够统一框架下解决问题，考虑不同任务之间的相互关系。实验结果验证了我们基于 DRL 的框架在复杂和动态的商业环境中的有效性。这项工作为 DRL 在管理问题中的应用开辟了新的道路，突显了其改革传统商业管理的潜力。

Mar, 2024