申请/专利权人：中南大学

申请日：2024-03-13

公开（公告）日：2024-06-04

公开（公告）号：CN117875535B

主分类号：G06Q10/047

分类号：G06Q10/047;G06N3/0455;G06N3/092;G06Q10/0835

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于历史信息嵌入的取送货路径规划方法及系统，该方法包括：将起点、取货节点与送货节点的坐标作为节点特征，将起点、取货节点与送货节点的索引作为节点位置特征；将节点特征嵌入与节点位置嵌入整合得到增强节点嵌入；将增强节点嵌入与精英档案结合生成历史节点嵌入，再得到精炼节点嵌入；基于精炼节点嵌入进行节点对的移除与重新插入，得到第一新规划结果以及若干第二新规划结果，并更新精英档案；在满足迭代终止条件时将精英档案中成本最小的作为最优取送货路径规划结果。本发明应用于路径规划领域，能够有效地在减少运算时间的同时，获得高质量的取送货路径规划结果。

主权项：1.一种基于历史信息嵌入的取送货路径规划方法，其特征在于，基于训练完成的深度强化学习模型进行取送货路径规划，其包括如下步骤：步骤1，将起点、取货节点与送货节点的坐标作为节点特征，并随机生成个取送货路径规划的规划结果存入精英档案，其中，所述取货节点与所述送货节点一一对应；步骤2，将当前所述精英档案中最优的规划结果作为当前规划结果，并将所述起点、所述取货节点与所述送货节点在所述当前规划结果中的索引作为节点位置特征；步骤3，对所述节点特征进行线性投影得到节点特征嵌入，对所述节点位置特征进行循环位置编码得到节点位置嵌入，并将所述节点特征嵌入与所述节点位置嵌入进行整合得到增强节点嵌入；步骤4，将所述增强节点嵌入与所述精英档案中的所有规划结果结合生成历史节点嵌入，并对所述历史节点嵌入进行增强处理，得到精炼节点嵌入；所述历史节点嵌入的生成过程为：步骤4.1，基于所述增强节点嵌入计算询问特征与关键特征，为： 其中，、分别为节点、节点对应的增强节点嵌入，为节点对应的询问特征，为节点对应的关键特征，、为可训练矩阵；步骤4.2，基于所述询问特征与所述关键特征，分别计算距离注意力分数与概率分布注意力分数，为： 其中，为当前精英档案中第个规划结果所对应的节点关于节点的距离注意力分数，为当前精英档案中第个规划结果所对应的节点关于节点的概率分布注意力分数，为节点与节点间的距离，为节点在当前精英档案中出现在每个索引位置的次数概率分布；为二元变量，当前精英档案中第个规划结果中节点与节点间具有连线时，否则；表示一个三层的前馈神经网络和ReLU激活函数；步骤4.3，将所述距离注意力分数与所述概率分布注意力分数输入到多层感知器网络计算第二综合注意力分数，为： 其中，为当前精英档案中第个规划结果所对应节点关于节点的第二综合注意力分数，为个距离注意力分数，为个概率分布注意力分数；步骤4.4，基于所述第二综合注意力分数与当前精英档案中的所有规划结果生成历史节点嵌入，具体为：基于所述第二综合注意力分数计算得到第二注意力权重，为： 其中，为当前精英档案中第个规划结果所对应节点关于节点的第二注意力权重，为可训练矩阵；基于所述第二注意力权重与当前精英档案中的所有规划结果计算得到第三注意力权重，为： 其中，为节点关于节点的第三注意力权重，为当前精英档案中第个规划结果对应的成本；将节点关于所有节点的第三注意力权重通过softmax标准化，得到第四注意力权重；基于第四注意力权重与节点特征嵌入计算得到历史节点嵌入，为： 其中，为节点对应的历史节点嵌入；步骤5，基于所述精炼节点嵌入，在当前规划结果的基础上进行节点对的移除与重新插入，得到第一新规划结果，其中，所述节点对包括一组对应的取货节点与送货节点；步骤6，在所述第一新规划结果的基础上进行节点的移除与重新插入，得到个第二新规划结果；步骤7，筛选出所述第一新规划结果、所有所述第二新规划结果与所述精英档案中的所有规划结果中最优的个，并更新所述精英档案；步骤8，判断是否满足迭代终止条件：若是，将当前所述精英档案中最优的规划结果作为最优取送货路径规划结果，并输出；否则，返回步骤2。

全文数据：

权利要求：

百度查询： 中南大学 基于历史信息嵌入的取送货路径规划方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD