基于强化学习的电动车路径优化研究

• 作者: 沈惠璋 胡尚民
• 来源期刊: 计算机应用研究
• 关键词: 车辆路径问题 电动车 多约束 强化学习 策略梯度法 组合优化
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3232-3235
• 页数: 4页
• 分类号: TP399
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.07.0260

摘要

针对有路径总时长约束、载重量约束和电池容量约束的电动车路径优化问题(EVRP),考虑其途中可前往充电站充电的情境,构建以最小化路径总长度为目标的数学模型,提出一种基于强化学习的求解算法RL-EVRP.该算法用给定的分布生成训练数据,再通过策略梯度法训练模型,并保证在训练过程中路径合法即可.训练得到的模型可用于解决其他数据同分布的问题,无须重新训练.通过仿真实验及与其他算法的对比,表明RL-EVRP算法求解的路径总长度更短、车辆数更少,也表明强化学习可成功运用于较复杂的组合优化问题中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈惠璋		65	1128	15.0	32.0
2	胡尚民		1	0	0.0	0.0