深度强化学习求解车辆路径问题的研究综述

来源：计算机工程与应用杂志2023年第5期北京时间：

作者：杨笑笑, 柯琳, 陈智斌

单位：昆明理工大学 理学院，昆明 650000

摘要：车辆路径问题（VRP）是组合优化问题中经典的NP难问题，广泛应用于交通、物流等领域，随着问题规模和动态因素的增多，传统算法很难快速、智能地求解复杂的VRP问题。近年来随着人工智能技术的发展，尤其是深度强化学习（DRL）在AlphaGo中的成功应用，为路径问题求解提供了全新思路。鉴于此，针对近年来利用DRL求解VRP及其变体问题的模型进行文献综述。回顾了DRL求解VRP的相关思路，并梳理基于DRL求解VRP问题的关键步骤，对基于指针网络、图神经网络、Transformer和混合模型的四类求解方法分类总结，同时对目前基于DRL求解VRP及其变体问题的模型性能进行对比分析，总结了基于DRL求解VRP问题时遇到的挑战以及未来的研究方向。

关键词：车辆路径问题,深度强化学习,指针网络,图神经网络,混合模型