申请/专利权人：华南理工大学

申请日：2021-11-16

公开（公告）日：2024-06-21

公开（公告）号：CN114237222B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/644;G05D109/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本发明公开了一种基于强化学习的取送货车辆路径规划方法。所述方法包括以下步骤：构建基于A2C框架的强化学习模型及其优化目标；初始化强化学习模型所有的参数值，随机生成数据集；构建强化学习模型的训练过程，将生成的数据集输入强化学习模型，计算每一轮训练结果的奖励值；根据损失值采用基于策略梯度的强化学习方法对强化学习模型进行优化；设置最大训练轮数，重复训练得到训练完成的强化学习模型，采用训练完成的强化学习模型进行取送货车辆路径规划。本发明不同于传统的精确算法和启发式算法，能够快速求解大规模路径规划问题。

主权项：1.一种基于强化学习的取送货车辆路径规划方法，其特征在于，包括以下步骤：S1：构建基于A2C框架的强化学习模型及其优化目标；强化学习模型包括actor网络和critic网络；actor网络包括第一编码器、解码器和注意力层；第一编码器用来处理输入的所有取货点和送货点的坐标、当前车辆载重和当前所有取货点的取货量和送货点的送货量，输入编码器的数据经过第一编码器中的卷积层得到第一向量embed_1；解码器用来处理当前车辆所在节点的坐标，输入解码器的数据经过解码器中的卷积层和GRU层得到第二向量embed_2；注意力层维护第一零矩阵v和第二零矩阵W，把第一向量embed_1和第二向量embed_2相加，连接起来得到第三向量hidden，进行操作得到概率矩阵p＝softmaxv·tanhW·hideen；在解码器的GRU层中加入dropout操作；critic网络包括第二编码器和全连接层，第二编码器用来处理输入的所有取货点和送货点的坐标、当前车辆载重和当前所有取货点的取货量和送货点的送货量，将输入经过第二编码器中的卷积层得到第三向量embed_3；全连接层将第三向量embed_3作为输入，全连接层包括多个卷积层，全连接层中使用ReLU激活函数去除每个卷积层输出中的负值；S2：初始化强化学习模型所有的参数值，随机生成数据集；S3：构建强化学习模型的训练过程，将步骤S2中生成的数据集输入强化学习模型，计算每一轮训练结果的奖励值；S4：根据损失值采用基于策略梯度的强化学习方法对强化学习模型进行优化；S5：设置最大训练轮数，重复步骤S3-步骤S4，得到训练完成的强化学习模型，采用训练完成的强化学习模型进行取送货车辆路径规划。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于强化学习的取送货车辆路径规划方法

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