该研究提出了一种基于深度强化学习的决策支持系统，有效解决动态任务分配问题，实验结果表明其策略优于现有基线，尤其在真实场景中表现突出。

本文探讨了多智能体提货与送达（MAPD）问题，提出了神经ATTF框架，通过优先处理延迟代理和动态任务分配来提升系统效率。实验结果表明，神经ATTF在可扩展性和计算效率方面优于现有算法，展现了良好的应用潜力。