Boa tarde!  Inicialmente gostaria de parabenizar pela apresentação. Fiquei na dúvida sobre o recorte temporal da decisão. É horizonte rolante ou problema é definitivo de forma estática?   Já pensaram em trabalhar o problema com incertezas? Já pensaram em utilizar aproximação de programação dinâmica para definir políticas sub-ótimas ?   Talvez o uso de ferramentas de aprendizado por reforço, em especial o PPO, pode ajudar a resolver o problema em um formato dinâmico e estocástico a partir de uma política pré-"otimizada" o que garante uma decisão mais rápida.