公开(公告)号：CN117726040B

公开(公告)日：2025-05-06

申请号：CN202311830634.5

申请日：2023-12-27

Applicant: 安徽农业大学

Inventor： 刘司雨 ,  王超 ,  王琴 ,  董彩月 ,  李彬 ,  乔梓岩 ,  高羽佳 ,  辜丽川 ,  邹能锋

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q10/067 ,  G06Q10/0832 ,  G06N3/006 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明公开了一种基于DDQN算法的配送车辆动态调度优化方法，属于基于深度强化学习的生鲜配送车辆调度技术领域；本发明将生鲜配送动态车辆调度问题视为连续时间过程，基于SMDP(Semi‑Markov Decision Process)框架进行建模，并采用DDQN(Double Deep Q‑Learning)算法来训练双Agent，在处理“新订单事件”和“车辆事件”时做出调度分配。该方法显著降低了分配空间的组合复杂性，在考虑多个分配限制因素的同时，表现出更好的平均分配时间。通过提高系统资源利用率和调度效率，解决了生鲜配送延迟导致生鲜产品时效性下降的问题。

公开(公告)号：CN117726040A

公开(公告)日：2024-03-19

申请号：CN202311830634.5

申请日：2023-12-27

Applicant: 安徽农业大学

Inventor： 刘司雨 ,  王超 ,  王琴 ,  董彩月 ,  李彬 ,  乔梓岩 ,  高羽佳 ,  辜丽川 ,  邹能锋

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q10/067 ,  G06Q10/0832 ,  G06N3/006 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明公开了一种基于DDQN算法的配送车辆动态调度优化方法，属于基于深度强化学习的生鲜配送车辆调度技术领域；本发明将生鲜配送动态车辆调度问题视为连续时间过程，基于SMDP(Semi‑Markov Decision Process)框架进行建模，并采用DDQN(Double Deep Q‑Learning)算法来训练双Agent，在处理“新订单事件”和“车辆事件”时做出调度分配。该方法显著降低了分配空间的组合复杂性，在考虑多个分配限制因素的同时，表现出更好的平均分配时间。通过提高系统资源利用率和调度效率，解决了生鲜配送延迟导致生鲜产品时效性下降的问题。