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

• 作者: 姚利军 王可君 湖南省长株潭烟草物流有限责任公司
• 来源期刊: 计算技术与自动化
• 学科: 工学
• 关键词: 绿色物流;软时间窗;深度强化学习;Actor-Critic框架
• 年，卷（期）: 2024,（4）
• 页码范围: 153-160
• 页数: 8页
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202404025

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。