强化学习在优化问题中的应用

Question

问题陈述:我们被给予一个优化问题，生产中心，源机场，目的地机场，转运站，并最终交付给客户。下面的图片更好地解释了这一点。

目标函数1:最小化成本=库存成本+运输成本+罚款成本+装卸成本

1. 库存成本=货源机场的库存成本+配送中心的库存成本
2. 运输费用=从生产中心向货源机场运送货物的费用(通过卡车)+通过航线运输货物的费用(通过航班)+将货物从配送中心运送到转运站的费用(通过卡车)+从转运站向客户运送货物的费用(通过无人机)
3. 罚款费用=经营飞行路线的费用和延误罚款费用
4. 装卸费用=在生产中心卡车上装载货物的费用+在转运点从卡车卸货的费用

数学解决方案(使用IBM / Docplex)：包含该公式的完整python代码(.ipynb文件)出现在此谷歌驱动器链接中。这给出了一个最优解。

问题:是否有任何非数学的，非公式的方法来解决这个问题的陈述？关于强化学习的东西？如果还提供任何实现，它将是锦上添花。

Answer 1

为了把这个问题用强化学习(RL)来解决，首先定义一个agent。代理将在环境中尝试不同的策略。结果会带来更高回报的政策将被更频繁地使用。

这个问题相对简单(对于一个RL问题)，因为环境可以被建模为一个有向无环图(DAG)，具有固定的离散节点集。蛮力策略搜索可能有效。