基于end-to-end深度强化学习的多车场车辆路径优化

打开文本图片集

摘要：为提高多车场车辆路径问题（multi-depot vehicle routing problem，MDVRP）的求解效率，提出了端到端的深度强化学习框架。首先，将MDVRP建模为马尔可夫决策过程（Markov decision process，MDP），包括对其状态、动作、收益的定义；同时，提出了改进图注意力网络（graph attention network，GAT）作为编码器对MDVRP的图表示进行特征嵌入编码，设计了基于Transformer的解码器；采用改进REINFORCE算法来训练该模型，该模型不受图的大小约束，即其一旦完成训练，就可用于求解任意车场和客户数量的算例问题。（剩余21785字）