物流经济

为解决美团配送调度问题，本方案融合多目标强化学习与离线强化学习技术，确立以下研究目标：

• 构建智能序列决策体系：将美团配送调度问题建模为序列决策问题，运用离线强化学习训练模型，适应业务场景的动态性和计算限制。
• 赋能多目标智能决策：引入元强化学习，挖掘多目标任务知识，提升决策算法的调度效果，解决传统算法对不同场景目标考量不足的问题。
• 驱动多目标均衡优化：在离线强化学习基础上提出离线多目标算法，利用离线数据集学习策略，适应动态调整的多目标偏好，实现各业务目标的精准均衡。
• 拓展强化学习应用场景：将离线强化学习拓展至半批量强化学习场景，提出半批量强化学习算法，解决探索效率、数据不足及模式单一等问题，提升策略训练效率与性能。