基于深度强化学习的供应链智能协同调度系统及方法

本发明公开了基于深度强化学习的供应链智能协同调度系统及方法，包括如下步骤：采集订单、库存、运输及产能等多源数据构建状态张量，利用C51算法对各节点智能体的可选调度动作进行分布式回报建模，输出动作回报分布向量，基于回报分布提取风险指标，生成风险表达张量，将状态张量与风险表达张量输入MADDPG架构构建的多智能体集中评估网络，评估联合策略的集中值函数，通过策略融合生成统一的联合策略动作向量，产出调度指令并驱动各节点执行，执行结果反馈用于策略更新与循环迭代。本发明融合C51算法与MADDPG架构实现多节点联合调度优化。