TY -的A2 -艾哈迈德,赛义德·哈桑盟——元,Yunmei AU -李,宏宇AU - Ji,丽丽PY - 2021 DA - 2021/09/25 TI -深强化学习算法的应用程序在不确定的物流运输调度SP - 5672227六世- 2021 AB -如今,寻找最优路线车辆通过在线车辆路径规划是物流行业的一个主要问题需要解决。由于交通系统的不确定性,尤其是最后一英里交付的小包装问题在不确定的物流运输、物流车辆路径规划的计算比以前变得更加复杂。大多数现有的解决方案应用于机器学习等新技术,其中大多数使用启发式算法。这种解决方案不仅需要设置大量的约束,也需要大量的计算时间的物流网络密度高的需求。设计与最低的时间不确定的物流运输路径,提出了一种新的基于深度优化策略强化学习,将不确定的在线物流路由问题转化为车辆路径规划问题和设计嵌入式网络获取最优解的指针。考虑到长时间解决神经网络,是不现实的训练参数通过监督数据。本文使用一种无监督的方法训练参数。因为离线参数训练的过程,这一策略可以避免高延迟。通过仿真部分,不难看出本文提出的策略将有效地解决物流的不确定性调度问题在有限的计算时间,并显著优于其它策略。与传统的数学程序相比,本文提出的算法可以减少60.71%的驾驶距离。 In addition, this paper also studies the impact of some key parameters on the effect of the program. SN - 1687-5265 UR - https://doi.org/10.1155/2021/5672227 DO - 10.1155/2021/5672227 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -