CoRe-MARL利用循环MARL解决未知动态下的物资协同再分配
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
CoRe-MARL 是一个基于 Dec-POMDP 的协作多智能体强化学习框架，旨在解决应急物资再分配问题。该框架将每个中心视为独立智能体，利用循环网络捕捉未知的供需动态，并结合 MAPPO 实现集中训练与分散执行。在模拟环境测试中，该方法相比独立 PPO 和局部启发式策略，有效缩小了各中心间的服务差距，提升了最差区域的服务水平，同时保持了整体网络服务的竞争力。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载解决应急物资分配难题
应急援助项目如救灾物资分发，通常依赖于分散的本地中心网络。这些中心往往面临不确定的本地需求和供应动态，导致服务可用性不一致。虽然中心之间的物资再分配可以缓解这种不平衡，但在信息有限和运输中断的情况下，各中心通常独立做出决策。针对这一挑战，研究开发了 CoRe-MARL 框架，通过协作学习来优化分散网络中的物资流动。
技术架构与算法设计
CoRe-MARL 将问题建模为分散式部分可观测马尔可夫决策过程（Dec-POMDP），并将每个中心视为一个智能体。框架的核心在于引入了循环网络，使智能体能够在无法直接观测的情况下，捕捉不断演变的供需动态。在训练过程中，系统采用多智能体近端策略优化（MAPPO）算法，实现了集中训练与分散执行（CTDE）的模式，确保了策略的有效性和执行的独立性。
实验效果与性能评估
研究团队在包含多样化轨迹的模拟环境中对框架进行了评估，其中行动者和 MAPPO 评论家都无法观察到确切的动态变化。通过与循环独立 PPO（IPPO）以及仅限本地的启发式方法进行对比，结果显示 MAPPO 能够有效减少本地中心之间的服务差距。此外，该方法在提升服务最差中心的表现方面效果显著，同时保持了具有竞争力的网络整体服务水平，展现出适应动态变化的鲁棒性。
为什么值得看
展示了 MARL 在应急物流等复杂动态环境下的实际应用潜力。
智能体强化学习
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。