CN114462687B 基于深度强化学习的车辆路径规划方法及装置 （中山大学）

基于深度强化学习的车辆路径规划方法及本发明公开了基于深度强化学习的车辆路得到的神经网络模型对所述车辆路径规划问题2根据所述初始参数信息和所述破坏策略，将大邻域搜索过程拟合成马尔可夫决策过通过训练得到的神经网络模型对所述车辆路径规划问题进行求解，得到车辆路径规划将结点序列和结点个体特征输入到编码器中，所述编码器将将编码器得到的结点个体特征向量和结点位置特征向量输入到解码所述解码器根据概率矩阵选择若干个结点作为破坏的结点集，得到关通过三个双向协同注意力层对所述结点个体特征向量和所述结点位置特征向量进行3对概率矩阵中所述初始结点所在行进行softmax操作，把已选根据修复后的解的结点序列和各结点个体特征确第三模块，用于根据所述初始参数信息和所述破坏策略，将第五模块，用于通过训练得到的神经网络模型将结点序列和结点个体特征输入到编码器中，所述编码器将将编码器得到的结点个体特征向量和结点位置特征向量输入到解码所述解码器根据概率矩阵选择若干个结点作为破坏的结点集，得到关所述处理器执行所述程序实现如权利要求1至6中任一项4织车队车辆的行驶路线(即客户先后服务顺序)使得设定目标(例如车辆总路程、车辆总耗[0004]近年来，有学者提出通过深度强化学习的方法学习局部目前未有提出利用深度强化学习改进大邻域5[0027]通过三个双向协同注意力层对所述结点个体特征向量和所述结点位置特征向量[0035]对概率矩阵中所述初始结点所在行进行softmax操作，把已选择结点的概率设为[0041]本发明实施例的另一方面还提供了一种基于深度强化学6[0046]第五模块，用于通过训练得到的神经网络模型对所述车辆路径规划问题进行求下进行训练，实验结果表明本发明的神经网络破坏策略在求解质量上优于随机破坏策略，7[0078]通过三个双向协同注意力层对所述结点个体特征向量和所述结点位置特征向量8[0086]对概率矩阵中所述初始结点所在行进行softmax操作，把已选择结点的概率设为[0092]本发明实施例的另一方面还提供了一种基于深度强化学[0097]第五模块，用于通过训练得到的神经网络模型对所述车辆路径规划问题进行求9[0108]S3、将大邻域搜索过程拟合成马尔可夫决策过程(MarkovDecisionProcess，[0114]3、本发明通过强化学习训练神经网络模型，不仅能够做到一次(离线)训练多次有的客户结点都在各自的服务时间窗内被服务；(4)车辆需同时满足客户结点的取送货要[0120]本发明对现有算法框架的大邻域搜索组件进行改进，使用神经网络作为破坏策iμ2＝1；":[0132]h,学习结点个体特征和结点位置特征的交互性，WO用于处理拼接后的多头注意力输出向量。邻域破坏策略。具体过程为，首先随机选择一个结点node1作为初始结点，对概率矩阵中[0156]S3、将大邻域搜索过程拟合成马尔科夫决策过程(MarkovDecisionProcess，[0168]在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提改变以及其中被描述为较大操作的一部分的子操作被说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装