提出了一种基于拍卖的算法，应用于路径规划与网络传输的优化问题，具有较快速度、实时操作和适用于强化学习等优势。

Jul, 2022

本文研究了一类采购拍卖问题，涉及到预算约束和非单调子模价值函数。我们提出了可行的机制来最大化拍卖者的估值函数，同时也满足诚实、可行和近似最优的要求，本文所提机制在增加了预算约束的条件下，显著改进了以往的方法。其中以最大割问题为重点，在此问题上，我们的结果显著提高了已知的近似比，同时为只有指数级机制的情况建立了多项式运行时间的结果。

Apr, 2017

本文调查了设计用于带有多个目标函数的顺序决策问题的算法。通过分类法，将对多目标方法的文献研究按适用的设定情况、标量化函数的属性和考虑的策略类型进行分类。总之，文章总结了关键应用和未来研究机会。

Feb, 2014

本文提出了一种针对在线广告买卖市场的方法，以最大化广告主的总实用效益且满足预算限制，解决预算限制下不确定的、可能存在证明问题的一组拍卖中的投标最优策略问题，并对在线出价的情况进行了调查，算法在完全信息情况下的拍卖后悔为 $O (T^{3/4})$。我们证明了此方法优于现有的适应性 pacing 算法的合成和真实数据集上的累计后悔。

Jun, 2023

该研究采用交易方法，将多智能体强化学习应用于模拟的调度环境中，研究分布式代理体系结构及自主定价在任务分配中的应用。

Jul, 2022

本篇研究针对工业 4.0 的要求，采用多智能体系统实现了分散化生产控制和信息分配，提出了一种基于智能代理的集成调度方法，该方法解决了在多智能体系统下排班执行时间过长的问题，并考虑到了生产、运输、缓冲和共享资源操作的相互依赖性及大型工件的约束等物流需求。

May, 2022

本研究使用强化学习方法，提出了适用于自动生产中的调度问题的解决方案：使用 OpenAI gym 环境和启发式引导 Q-Learning 算法，成功地解决了多智能体柔性车间问题，并在该领域取得了最优解。

Oct, 2022

使用基于抽象争议框架（AFs）的模型定义了三种类型的 AFs 来证明或反驳使用者或求解器提出的面向固定用户决策的可行、高效或满意日程安排，从而提高解决约束、效率和决策问题的互动性和可解释性。

Nov, 2018

本研究提出了一种使用 Answer Set Programming 自动确定精细的、非均匀且有序的求解器调度方案的方法，并且可以定制化地生成并行调度方案。

Jan, 2014

本文提出了一种基于代理机制、结合本地优化技术和协商生成适应性时间表的方案，能够在短时间内有效地重新排产，以应对生产实践中的各种干扰，如零部件迟到或产品缺陷等。该方法经过对华为实际生产数据的评估，证明可以高效地生成时间表，并已验证为概念证明并重新实现以应用于 Jadex 代理平台的生产系统中。

Jun, 2022