融合深度强化学习的改进遗传算法求解众包车辆-公共交通协同配送问题

作     者：冯睿锋 陈彦如 

作者机构：西南交通大学经济管理学院 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(72371206) 

主　　题：车辆路径问题 深度强化学习 改进遗传算法 众包车辆-公共交通协同配送 

摘      要：针对农村地区配送场景，提出了一种车辆路径问题的变体—众包车辆-公共交通协同配送问题（Vehicle Routing Problem with Occasional Drivers and Scheduled Lines，VRPOD-SL）。该问题需对参与配送的公交车辆及其服务的物流客户进行选择，同时需选择参与配送的众包车辆，并对众包车辆的行驶路径等进行决策。考虑了众包车辆的起终点、服务范围和最大载重，以及公交车辆的载货空间限制和按固定路线行驶等特点，以最小化配送总成本为优化目标，构建了VRPOD-SL问题的整数规划模型。由于公交车辆提供物流服务的客户选择决策，影响到众包车辆的服务客户选择，进而需要不断求解众包车辆路径问题，这导致问题的计算复杂度较高，因此设计了一种基于深度强化学习的启发式算法，即融合了注意力模型的遗传算法（Genetic Algorithm with Attention Model， GA-AM）。该算法将遗传算法（GA）的全局搜索特性和注意力模型（AM）的并行决策能力相结合，能够有效减少VRPOD-SL问题的求解时间。同时设计了局部搜索算法，以进一步提高解决方案的质量。数值实验表明，所提出的GA-AM在求解性能方面明显优于Gurobi求解器、自适应大邻域搜索算法（ALNS）和变邻域搜索算法（VNS）。此外，研究结果也验证了众包车辆-公共交通协同配送模式的有效性。