公开(公告)号：CN119443444A

公开(公告)日：2025-02-14

申请号：CN202411503675.8

申请日：2024-10-25

Applicant: 华南理工大学 ,  宝供物流企业集团有限公司 ,  广东一站网络科技有限公司

Inventor： 刘发贵 ,  王银琪 ,  白智鑫 ,  王吕晟彪 ,  张杨 ,  彭鑫

IPC: G06Q10/047 ,  G06Q10/0835 ,  G06N3/0455 ,  G06N3/092

Abstract: 本申请涉及一种异构车型取送货车辆路径规划方法及系统，方法包括：构建异构车型取送货问题场景并设定优化目标为最小化所述异构车型取送货的车辆运输计费总成本；基于所述异构车型取送货问题场景及优化目标构建采用迭代改进式求解方式的深度强化学习模型和强化学习环境；构建强化学习模型的训练过程采用近端策略优化算法对所述深度强化学习模型进行若干批次训练，得到训练完成的深度强化学习模型；使用训练完成的深度强化学习模型对实际异构车型取送货问题场景进行求解，得到异构车型取送货问题场景的车辆路径规划方案。本申请的方法可以减少问题场景求解的计算时间并得到高质量的解。

公开(公告)号：CN118608021A

公开(公告)日：2024-09-06

申请号：CN202410084081.1

申请日：2024-01-19

Applicant: 华南理工大学

Inventor： 刘发贵 ,  白智鑫 ,  王吕晟彪

IPC: G06Q10/083 ,  G06Q10/0835 ,  G06Q10/047 ,  G06N3/092 ,  G06N3/0455

Abstract: 本发明涉及一种基于深度强化学习的异构车型车辆路径规划方法及系统。方法包括：构建考虑异构车型与时间窗的物流场景；根据物流场景搭建强化学习环境；按照采样规则生成数据集并对其进行预处理；根据强化学习环境构建基于注意力机制的深度强化学习模型；使用预处理后的数据集和深度强化学习算法对深度强化学习模型进行训练，完成训练后得到深度强化学习应用模型；将深度强化学习应用模型用于求解实际物流场景，并为每个输入的物流场景计算并输出成本最低的配送方案。本发明将其建模为考虑时间窗和异构车型约束的车辆路径问题，弥补了现有方法求解问题较为简单的不足，从而可以提升异构车型车辆路径规划的精准度和提高整体求解的效率。