基于深度图神经网络的电动货车集群调度与路径优化方法

摘要

针对电动货车集群取送货问题中减少电动货车能耗和降低运营成本的关键指标，提出了一种结合图注意力网络和深度强化学习的模型。首先建立真实车辆能耗模型，在考虑电动车续航限制、载重变化以及阻力对能耗影响的情况下，以强化学习算法为基础求解能耗最优路径；结合图注意力机制有效学习图结构信息，以更好地捕捉节点之间的关系和重要性，并自适应地选择重要节点进行信息聚合，从而提高计算效率；最后，通过策略梯度方法进行训练，保证路线的可行性。验证与分析结果表明，与不加入图注意力网络的模型相比，该方法能够有效降低车队能耗；不同解码策略节能效果不同，其中DRL(sample128)和DRL(sample1280)收获的目标能耗均较小，但随着计算规模的扩大，在求解时间上DRL(sample1280)比DRL(sample128)大很多。

关键词

图注意力机制 / 深度强化学习 / 电动货车 / 取货和送货问题 / 最小化能耗