本研究提出了一种分布式方法，解决私人财产评估中公共设施价值的不确定性。通过“垄断”项目，动态学习城市数据以定价公共设施，实验结果表明该方法优于主流技术，具有广泛应用潜力。

该研究旨在最大化销售和最小化浪费，通过分布式方法研究杂货店的库存补货问题。研究提出了GLDQN算法，证明其在浪费和总体奖励方面优于其他分布式强化学习算法。