یک راه حل غیرمتمرکز برای مدیریت موجودی با استفاده از یادگیری تقویتی چندعامله در شبکه های زنجیره تامین

بیشتر راه حل های مسئله مدیریت موجودی، تمرکز اطلاعاتی را فرض می کنند که با محدودیت های سازمانی در شبکه های زنجیره تامین ناسازگار است. این مسئله را می توان به طور طبیعی به مسائل فرعی تقسیم کرد که هر کدام مربوط به یک نهاد مستقل است و آن را به یک سیستم چندعامله تبدیل می کند. یک راه حل غیرمتمرکز برای مدیریت موجودی با استفاده از یادگیری تقویتی چندعامله (MARL) پیشنهاد می شود که در آن هر نهاد توسط یک عامل کنترل می شود. سه نوع مختلف چندعامله از الگوریتم بهینه سازی سیاست پروگزیمال از طریق شبیه سازی شبکه های زنجیره تامین مختلف و سطوح مختلف عدم قطعیت مورد بررسی قرار می گیرند. چارچوبی پیاده سازی می شود که به تمرکز آفلاین در طول شناسایی سیاست مبتنی بر شبیه سازی متکی است، اما هنگام استقرار سیاست ها به صورت آنلاین در سیستم واقعی، تمرکززدایی را ممکن می سازد. نتایج نشان می دهد که کاهش محدودیت های به اشتراک گذاری اطلاعات در آموزش، MARL را قادر می سازد تا در هنگام استقرار، در مقایسه با یک راه حل مبتنی بر یادگیری متمرکز عمل کند و در بیشتر موارد از یک راه حل توزیع شده مبتنی بر مدل عملکرد بهتری داشته باشد، در حالی که محدودیت های اطلاعاتی سیستم را نیز رعایت می کند.

Keywords:

مدیریت موجودی , یادگیری تقویتی چندعامله , شبکه های زنجیره تامین , عدم قطعیت