期刊文献+

基于多智能体强化学习的物流配送路径调度策略 被引量:1

Logistics Distribution Route Scheduling Strategy Based on Multi-Agent Reinforcement Learning
下载PDF
导出
摘要 为优化物流系统的配送路径,课题组提出了基于多智能体强化学习的配送路径调度(Multi-agent Reinforcement Learning based Routing Scheduling,MRLRS)策略。MRLRS策略将配送路径调度视为路径生成过程,采用了具有注意层的编码器-解码器框架来迭代生成物流的配送路径,并为模型训练设计了一种具有无监督辅助网络的多智能体强化学习方法。使用模拟实验对MRLRS策略进行评估,实验结果表明,提出的MRLRS策略的性能要优于现有的方法。 Aiming at the distribution route optimization problem in the logistics system,the paper proposes a Multi-agent Reinforcement Learning based Routing Scheduling(MRLRS)strategy.The MRLRS strategy regards delivery route scheduling as a route generation process,proposes an encoder-decoder framework with attention layers to iteratively generate logistics delivery routes,and designs a multi-agent reinforcement with unsupervised auxiliary network for model training study method.The MRLRS strategy is evaluated using simulation experiments,and the experimental results show that the proposed MRLRS strategy outperforms the existing methods.
作者 齐晗 QI Han(School of Economics and Management,Anhui Vocational College of Electronics&Information Technology,Bengbu,Anhui 233030,China)
出处 《萍乡学院学报》 2021年第6期77-80,共4页 Journal of Pingxiang University
基金 安徽省人文社科重点项目(SK2021A1062) 安徽省质量工程项目(2020SJJXSFK0238)。
关键词 物流配送 强化学习 路径调度优化 logistics distribution reinforcement learning route scheduling optimization
  • 相关文献

参考文献1

二级参考文献5

共引文献84

同被引文献1

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部