基于双向强化学习的可持续供应链跨网合作建模及求解

来源：计算机集成制造系统杂志2026年第4期北京时间：

作者：郭羽含, 陈志伟, 钱亚冠

单位：浙江科技大学理学院/大数据学院

摘要：针对考虑经济指标与环境指标的跨网络合作可持续供应链优化问题,提出一种混合整数规划模型并设计了一种基于角色与层级差异性的双向强化学习算法。前者将跨网络共享采购、仓储、物流引入可持续供应链模型,通过多网络协同降低了多条供应链的整体成本并提升了资源利用效率;后者将模型求解过程划分为基于逆向学习的差异映射生成算法和基于正向学习的层级协同优化算法两个模块。逆向学习基于真实企业数据通过随机化贪心算法生成专家解集,再使用机器学习模型推理供应链角色与层级差异性和目标函数值间的映射关系;正向学习首先构建层级协同矩阵与状态转移矩阵,在不同状态下依据上述矩阵进行动作选择决策并根据奖励函数对其进行迭代更新。通过正向学习与逆向学习的融合简化了复杂的求解运算过程,大幅降低了求解时间。基于真实企业数据的大量实验表明,所提方法的平均求解速度相比于GUROBI求解器最快能够提升6.1倍,且在处理大规模算例时具有较大优势。

关键词：可持续供应链,跨企业合作,双向强化学习,层次协同,状态转移

基金资助：国家自然科学基金面上项目(12271484);浙江省自然科学基金重点项目(LZ22F020007);浙江科技大学青年科学基金资助项目(2023QN022)。