基于强化学习的带软时间窗多行程绿色车辆路径优化研究

姚利军; 王可君

doi:10.16339/j.cnki.jsjsyzdh.202404025

计算技术与自动化 ›› 2024, Vol. 43 ›› Issue (04) : 153 -160. DOI: 10.16339/j.cnki.jsjsyzdh.202404025

基于强化学习的带软时间窗多行程绿色车辆路径优化研究

姚利军, 王可君

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了助力物流行业响应“碳达峰”和“碳中和”建设目标，提速绿色物流产业的建立与发展，首先综合考虑油耗、碳排放、人力、车辆、用户体验等因素，构建带软时间窗约束的多行程绿色车辆路径优化模型。然后综合考虑PinSAGE图网络、TRPO和GAE方法来改进Actor-Critic的深度强化学习优化算法，最后采用Actor-Critic算法对模型对绿色多行程车辆路径方案求解。实验表明，提出的求解方法能高效规划绿色车辆路径，进而显著减少物流成本，实现物流企业经济效益与环境效益的双重优化。