基于深度强化学习的车辆路径优化研究
智能工程与自动化学院
Research on VRP based on DRL
随着科技的进步,国内的电子商务蓬勃发展,带动着物流业迅速崛起,而运输费用则是物流成本的重要组成部分,庞大的物流运输量每年消耗数以万亿的运输成本,如何缩短运输距离提高运输效率逐渐成为人们广为关注的问题。以找到满足用户需求的最短路径为目的的车辆路径问题(VRP)是物流业中重要且被广为关注的问题,但由于求解该问题复杂度过高,传统算法在该问题的效果有限,我们试着利用深度强化学习(DRL)来解决VRP问题。我们旨在通过深度强化学习训练出一个实用的、健壮的、泛化的模型,能够对较大规模VRP问题分析,得到尽可能接近最优解可行满意解,进而提高车辆的运行效率,优化运输成本。