容器航运需求不确定性：基于深度强化学习的自适应主舱堆放规划

强化学习（RL）在解决各种组合优化问题方面显示出前景。然而，常规 RL 在处理复杂现实约束时面临挑战，尤其是当动作空间可行性是显式的且取决于相应状态或轨迹时。在本工作中，我们解决的是具有状态依赖约束的随机序列动态决策问题。作为一个相关且真实的案例研究，我们聚焦于容器航运中的主舱堆放规划问题，该问题旨在在需求不确定和运营约束下优化收益和运营成本。我们提出了一个深度 RL 框架，包含 encoder-decoder 模型和可行性层，这些层满足凸约束并保持无偏梯度流，通过嵌入问题实例、当前解决方案和需求不确定性来指导学习。实验表明，我们的模型有效地找到能够在不同分布下具有自适应性和可行性的解决方案，并能扩展到更大规模实例，在受限 RL 和随机规划的 SOTA 方法中取得优势。通过将人工智能与运筹学相结合，我们的策略使人类能够进行具有自适应性和不确定性意识的决策，以实现韧性和可持续的规划。