Agentic CAMA-DRL: A Context-Aware Multi-Agent Deep Reinforcement Learning Framework for Multi-Stakeholder Charging Coordination of Last-Mile Delivery E-Bikes
Este artigo propõe o Agentic CAMA-DRL, uma estrutura de aprendizado por reforço profundo multiagente sensível ao contexto que coordena operadores de entrega, estações de carregamento, planejadores de frota e reguladores ambientais para otimizar o carregamento de bicicletas elétricas na logística urbana de última milha, alcançando melhorias significativas na utilização da frota, pontualidade, redução de congestionamento e emissões de CO2 em comparação com abordagens tradicionais baseadas em regras.