综合启发式延迟优先策略的通用多智能体强化学习，以实现需求与容量平衡

强化学习（RL）技术已被研究用于解决空中交通管理中的需求与容量平衡（DCB）问题，以充分利用其计算潜力。由于缺乏泛化能力以及受训练场景影响的优化性能下降，现有基于RL的DCB方法在实际应用中面临挑战。本文提出了一种综合启发式延迟优先策略的通用多智能体强化学习（MARL）方法，以提高解决方案的效率和模型的泛化能力。延迟优先策略用于减少潜在学习任务，从而降低训练难度。本研究探讨了哪些延迟优先策略的特征更适合MARL方法。一种长短期记忆（LSTM）网络被集成到深度Q学习网络（DQN）中，以确保模型能够兼容任意DCB实例，并便于智能体识别关键区域。本研究作为一项大型欧洲DCB研究项目的一部分，其中使用法国和西班牙空域的真实数据进行实验。结果表明，所提出的方法在泛化、优化性能和计算性能上优于最先进的基于RL的DCB方法。