【技术实现步骤摘要】
本申请涉及物流运输，特别是涉及一种基于多智能体强化学习的多式联运路径选择方法。
技术介绍
1、多式联运作为通过至少两种运输方式（如公路、铁路、水路等）接驳组成的运输组织形式，因具备覆盖范围广、综合成本低、碳排放少等显著优势，已成为现代物流体系的关键构成部分。在当前物流发展进程中，多式联运对于整合运输资源、提升运输效率以及增强供应链韧性具有重要意义。
2、目前，针对多式联运路径优化问题，现有研究主要采用运筹优化方法和元启发式算法进行求解。其中，运筹优化方法包括混合整数规划、鲁棒优化、随机规划等；元启发式算法涵盖遗传算法、模拟退火、禁忌搜索、自适应大邻域搜索等。然而，这些方法普遍依赖预先设定的运输网络参数与交通环境假设，在动态环境下，对服务时间扰动、转运节点不稳定性等因素缺乏实时感知与响应能力。当遭遇天气灾害、交通管制、设备故障等突发意外事件导致服务时间不确定时，传统方法难以实现路径的有效动态重构，容易引发资源浪费、运输延误甚至路径失效等问题。
3、此外，近年来兴起的强化学习方法虽被应用于多式联运运输优化领域，期望通...
【技术保护点】
1.一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述成本目标函数包括运输成本、转运成本、存储成本、等待成本、碳税成本和延迟惩罚成本。
3.根据权利要求1所述的一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述获取意外事件信息包括：
4.根据权利要求3所述的一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述基于所述意外事件信息结合成本目标函数采用多智能体强化学习算法对所述初始规划进行优化包括：
5.根...
【技术特征摘要】
1.一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述成本目标函数包括运输成本、转运成本、存储成本、等待成本、碳税成本和延迟惩罚成本。
3.根据权利要求1所述的一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述获取意外事件信息包括：
4.根据权利要求3所述的一种基于多智能体强化学习的多式联运路径选择方法，其特征在于，所述基于所述意外事件信息结合成本目标函数采用多智能体强化学习算法对所述初始规划进行优化包括：<...
【专利技术属性】
技术研发人员：张义萌，罗骁宇，谭湘蓉，艾瑞雪，甘蜜，刘晓波，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：
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。