【技术实现步骤摘要】
本专利技术属于物流领域的电动车辆任务配送问题，尤其涉及一种基于深度强化学习的alns算法的电动车辆任务配送方法。
技术介绍
1、随着绿色物流理念在世界各地日益受到推崇。电动汽车显著的节能和无污染特性使其在绿色物流配送中逐渐成为主流的新能源运输工具。然而，在考虑电动车辆配送问题时，既需要考虑负载约束，又需要考虑由于电量限制导致的行驶里程受限问题。为此，研发一种能优化路径设计的准确性和提升时间效率的方法，已经成为提升实际应用中电动汽车路径规划的重点研究内容。
2、当前，解决电动车辆配送任务问题的方法主要包括精确算法和启发式算法。精确算法可较快找到小规模场景下的最佳解决方案，但在超过50个任务点的场景下，其效率显著下降。在各类启发式算法中，自适应大邻域搜索alns算法因其能够在迭代过程中动态调整算子权重，在求解电动车辆配送问题中具有较强竞争力。然而，传统的alns算法基于权重的自适应机制仅依赖于算子的历史表现，未全面考虑在搜索过程中有价值的个体信息，路径方案探索能力不足，容易陷入局部最优，导致耗费时间、增加能源消耗，影响服务质量。
【技术保护点】
1.一种基于深度强化学习的ALNS算法的电动车辆任务配送方法，其特征是应用于由1个仓库点V0、n个配送任务点和m个充电设施所组成的配送网络中，并按照如下步骤进行：
2.根据权利要求1所述的电动车辆任务配送方法，其特征是，所述步骤S3.2.1中的第t代问题相关状态PRSt是按如下过程获得：
3.根据权利要求1所述的电动车辆任务配送方法，其特征是，所述步骤S3.2.1中的第t代问题无关状态PISt是按如下过程获得：
4.根据权利要求3所述的电动车辆任务配送方法，其特征是，所述步骤S3.2.5中的第t代总即时奖励rt是按如下过程获得：p>
5.一种电...
【技术特征摘要】
1.一种基于深度强化学习的alns算法的电动车辆任务配送方法，其特征是应用于由1个仓库点v0、n个配送任务点和m个充电设施所组成的配送网络中，并按照如下步骤进行：
2.根据权利要求1所述的电动车辆任务配送方法，其特征是，所述步骤s3.2.1中的第t代问题相关状态prst是按如下过程获得：
3.根据权利要求1所述的电动车辆任务配送方法，其特征是，所述步骤s3.2.1中的第t代问题无关状态pist是按如下过程获得：
4.根据权利要求3所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。