Scidown文献预览系统！
快速系统中的多智能体协同强化学习( Cooperative Multi-Agent Reinforcement Learning in Express System )
Y Li Y Zheng Q Yang
快递系统在许多主要城市都有广泛的部署。系统中的一类重要任务是及时从客户手中取走包裹。由于取件请求是实时来的，而且取件的快递员很多，如何调度快递员来保证他们之间的配合，并在较长时间内完成更多的取件任务，这是非常重要但又具有挑战性的。在本文中，我们提出了一个基于强化学习的框架来学习快递配送策略。首先，我们将城市划分为独立的区域，每个区域内都有数量不变的快递员同时取走包裹。除降低问题复杂度外，城市划分还有实际操作的好处。之后，我们分别关注每个区域。针对每个区域，我们提出了一个协作多智能体强化学习模型，即CMARL，在其中学习最优的快递员调度策略。CMARL试图使所有快递员在较长时间内完成的取件任务总数最大化。我们的模型通过结合两个马尔可夫决策过程来实现这一目标，一个保证快递员之间的合作，另一个保证长期优化。在得到这两个MDP的价值函数后，设计了一个新的价值函数对它们进行折衷，据此我们可以推断出快递配送策略。以北京市实际路网数据和历史快速数据为基础进行了实验，验证了该模型与9条基线相比的优越性。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate ACM
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 分解炉内不同煤质煤粉燃烧的数值模拟 下载
scidown 配体受体结构域在膜粘附中的成核下载
scidown x射线照射对a-IGZO和LTPS薄膜晶体管的影响下载