基于强化学习的超启发算法求解有容量车辆路径问题
来源：计算机集成制造系统杂志2020年第4期北京时间：
作者：张景玲,冯勤炳,赵燕伟,刘金龙,冷龙龙
单位：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
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。
关键词：车辆路径问题,强化学习,深度Q神经网络,超启发算法
基金资助：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)。
