基于强化学习的超启发算法求解有容量车辆路径问题

作     者：张景玲 冯勤炳 赵燕伟 刘金龙 冷龙龙 ZHANG Jingling;FENG Qinbing;ZHAO Yanwei;LIU Jinlong;LENG Longlong

作者机构：浙江工业大学特种装备制造与先进加工技术教育部重点实验室浙江杭州310014 

基　　金：国家自然科学基金资助项目(61402409) 浙江省自然科学基金资助项目(LY19F030017) 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2020年第26卷第4期

页      码：1118-1129页

摘      要：为了更高效地求解物流优化领域中的有容量车辆路径问题,减少陷入局部最优的情况,提出一种基于强化学习的超启发算法。设计了算法的高层启发式策略,包括选择策略和解的接受准则:基于学习机制,使用强化学习中的深度Q神经网络算法构造该算法的选择策略,对底层算子的性能进行奖惩评价;利用奖惩值以及模拟退火作为算法的接受准则,对优质解建立序列池,从而引导算法更有效地搜索解空间,并采用聚类思想提升初始解的质量。对有容量车辆问题的标准算例进行计算,并与其他算法对比,统计分析了最优值、误差率和平均值,实验结果表明了所提算法在该问题求解上的有效性和稳定性,总体求解效果优于对比算法。

主 题 词：车辆路径问题 强化学习 深度Q神经网络 超启发算法 

学科分类：08[工学] 081202[081202] 0823[工学-农业工程类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13196/j.cims.2020.04.025

馆 藏 号：203909396...