本文针对供应链中的多智能体强化学习（MARL）涉及的隐私问题进行了研究，在供应链组织建模为各个智能体的情况下，提出了一个安全的多方计算（MPC）框架的隐私保护机制来解决隐私保护的问题。通过在 MADDPG 算法上使用 SecFloat 实现了一个安全的 MPC 框架，并且进行了实验证明其在供应链领域能够显著降低浪费并提高平均收入。

Dec, 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

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

该研究提出了一个集成算法框架，用于在电子商务中最小化产品送货成本（成本对服务或 C2S）。通过结合图神经网络和强化学习来训练节点选择和车辆路径规划代理，我们的实验结果表明，这种算法流程胜过纯启发式策略。

Nov, 2023

本文提出了一种新的分层路由优化器，该优化器结合了优化和机器学习，通过可学习参数解决了有挑战性的最后一英里物流服务中遇到的困难的实际问题，并使用亚马逊的真实交付数据集证明了这种方法的重要性。

Mar, 2023

我们提出了一种创新的多智能体方法，聚焦于合作车辆路径问题，通过驾驶员个体有理性约束来优化物流公司间市场平台上的订单交换，实现降低行驶距离、提高系统运营效率，并确保市场长期可持续性。

Aug, 2023

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

该研究提出了一种新颖的方法来解决多目标车辆路径规划问题，通过视觉吸引力路线规划和历史驾驶员行为数据挖掘的评估，证明了数据挖掘历史模式比文献中的视觉吸引力评估更加有效。同时提出了一个双目标问题来平衡路径相似性和最小化路径成本，并通过启发式箱分割的两阶段 GRASP 算法解决该问题。结果表明该方法能够生成少量非支配解，帮助决策者在路径成本和驾驶员偏好之间进行权衡，从而提升物流公司的最后一英里配送运营。

May, 2024

我们提出了一种面向决策的基于学习的方法来解决实际的库存路径规划问题，该方法直接整合了库存预测和路径优化于一个端到端的系统中，可能确保一个稳健的供应链策略。

Nov, 2023

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