Asynchronous Multi-Agent Collaborative Framework for Integrated Production and Procurement Optimization in Refinery

Ya Liu

doi:10.1109/TASE.2025.3595265

Asynchronous Multi-Agent Collaborative Framework for Integrated Production and Procurement Optimization in Refinery

2025-01-01

0

PRE

AI

DOI：10.1109/TASE.2025.3595265

原文链接

原文求助

摘要

En 中文

炼油行业作为一个高度复杂的系统运行，其特征是众多工艺、资源和决策策略之间的动态交互。在此背景下，生产计划与原油采购管理对于确保运营效率与盈利能力至关重要。然而，传统优化方法常忽视这两项职能在决策时间尺度上的差异，限制了其有效应对市场动态和供应链复杂性的能力。为克服这些挑战，本研究引入了一个异步多智能体协同优化框架，以增强炼油生产计划与原油采购之间的协调。通过使生产和采购智能体能够在独立时间尺度上运行，该框架适应了原油价格波动和产品需求变化。研究进一步将经典多智能体强化学习算法扩展至异步范式，提出Async-MAPPO，允许智能体利用实时数据独立优化决策。该方法缓解了运营延迟并提升了适应性。实验评估表明，所提方法显著提高了生产效率，降低了运营成本，并增强了炼油厂对市场波动的韧性，突显了异步优化在炼油运营中的关键作用。实践者注——炼油运营涉及生产计划与原油采购的复杂协调，两者均在不同决策时间尺度上运行。这种时间尺度的差异常使无缝协调的尝试复杂化，尤其是在面对原油价格波动、产品需求变化和供应链复杂性等不确定性干扰时。本文提出了一种先进的多智能体强化学习（MARL）框架，结合异步协同决策机制。通过使生产和采购智能体能够在不同时间尺度上独立决策但协同工作，该框架应对了炼油运营的动态特性。异步协同机制使各智能体能够及时响应实时数据，减少延迟并增强对市场波动的适应性。该方法为实践者提供了应对未来时代炼油运营复杂性的新型工具。

Keyword:

Multi-agent reinforcement learning

asynchronous collaborative optimization

refinery production planning

crude oil procurement

Asynchronous Multi-Agent Collaborative Framework for Integrated Production and Procurement Optimization in Refinery

摘要

期刊

机构

引用论文