返回
Reinforcement Learning for Multi-Objective Multi-Echelon Supply Chain Optimisation
DOI:10.1016/j.ejor.2026.02.002.png)
摘要
En 中文
• 开发了一个基于马尔可夫的多目标供应链优化模型。
• 引入了一个可定制的模拟器,用于动态供应链决策。
• 应用强化学习来平衡经济、环境和社交目标。
• 发现强化学习在目标之间实现了更好的权衡。
• 证明强化学习提高了运营的稳定性和平衡性。
Keyword:
Multiple objective programming
Markov processes
Supply chain optimisation
Reinforcement learning
Evolutionary algorithm
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W
机构
引用论文
A reinforcement learning-based metaheuristic algorithm for solving global optimization problems一种求解全局优化问题的基于强化学习的元启发式算法
Deep Reinforcement Learning for inventory optimization with non-stationary uncertain demand面向非平稳不确定需求的深度强化学习库存优化
Research on the application of deep learning in low-carbon supply chain management深度学习在低碳供应链管理中的应用研究

