人工智能利用多智能体强化学习应对飓风干扰的货运路由问题

研究人员开发了一种逐批次多智能体强化学习方法，用于多式联运货运路由，专门解决飓风等事件造成的干扰。他们采用集中式训练、分布式执行的独立PPO（IPPO）方法，在一个包含15个枢纽的网络上与启发式基线进行了比较。虽然IPPO在吞吐量和交付率方面有所提高，但在高需求下，具有容量感知的启发式方法在韧性和延迟指标方面表现更佳。 AI

影响 引入了一种新颖的多智能体强化学习方法，用于在极端天气干扰下优化货运路由。

排序理由 学术论文，详细介绍了多智能体强化学习在特定问题领域的创新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.MA (Multiagent) 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Dec-POMDP
• Hawker Hurricane
• Hugging Face
• Independent PPO
• Multi-Agent PPO
• Proximal Policy Optimization

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →