基于深度强化学习，使用编码器 - 解码器的注意机制生成的策略在某些车辆路径问题上表现出有效性，但在某些复杂车辆路径问题上，仍缺乏有效的强化学习方法。本研究针对一种包含多辆卡车和多段路径要求的车辆路径问题变体，扩展现有的编码器 - 解码器注意模型，使其能够处理多辆卡车和多段路径需求，并在日本汽车零部件制造商爱信公司的实际供应链环境中测试，发现我们的算法优于爱信公司的最佳解决方案。

Jan, 2024

本文介绍了强化学习在处理 NP-Hard 组合优化问题，特别是车辆路径问题方面的应用。作者将问题建模成一个马尔科夫决策过程，并采用了 Actor-Critic 类的 PPO 方法和基于卷积神经网络的神经架构。尽管与最先进的 OR-TOOLS 解算器相比略逊一筹，但该算法具有较好的泛化能力和较短的解答时间。未来的研究方向是提高算法的性能表现。

Jul, 2022

仓库操作管理中的拣货路径规划是一个关键问题。由于问题的复杂性和快速解决的需求，实践中经常使用次优算法。然而，强化学习提供了传统启发式方法的一个有吸引力的替代方案，潜在地在速度和准确性方面优于现有方法。我们介绍了一种基于注意力机制的神经网络模型来建模拣货路线，该模型使用强化学习进行训练。我们的方法在一系列问题参数上与现有启发式方法进行了评估，以展示其效力。我们提出的方法的一个关键优势是可以降低路径的感知复杂性。

Feb, 2024

我们提出了一种高效的神经邻域搜索（N2S）方法，用于解决提取和交付问题（PDPs），并针对路线解决方案设计了强大的合成注意力，以便综合各种类型的特征。此外，我们利用了两个自定义的解码器自动学习执行去除和重新插入拾取 / 交货节点对以解决优先顺序约束，并利用多样性增强方案进一步改善性能，N2S 可产生针对现有神经方法的最先进的结果。

Apr, 2022

利用动态编码器 - 解码器结构的动态关注模型来更好地解决车辆路径问题，并显示出良好的泛化性能。

Feb, 2020

Deep Policy Dynamic Programming 优先和限制来自深度神经网络的策略，以结合学习嵌入式启发式和动态规划 (DP) 算法的优点，以优化旅行商问题 (TSP)、车辆路径问题 (VRP) 和带时间窗口的 TSP (TSPTW) 的性能，同时胜过大多数其他解决 TSPs、VRPs 和 TSPTWs 的 ' 神经方法 '。

Feb, 2021

研究论文研究了无人机车辆路径问题，提出了一种综合考虑启发式方法和强化学习框架的解决方案，以提高解决方案的质量和计算速度。

Apr, 2024

使用注意力编码解码结构和一种新颖的插入启发式算法，我们以构造迭代深度学习算法解决带时间窗口的车辆路径问题，并比最佳已知学习解决方案更好地解决了该问题。

Dec, 2022

本文提出了一个端到端的框架，使用强化学习来解决车辆路径问题 (VRP)，我们训练一个单一的模型，仅通过观察奖励信号和遵守可行性规则，就可以找到给定分布采样的问题实例的近最优解。通过将策略梯度算法应用于优化其参数，我们的模型在实时中以连续操作序列的形式生成解决方案，无需为每个新问题实例重新训练，我们的方法在解决负载容量 VRP 的中等规模实例时，在解决质量上优于经典的启发式算法和 Google 的 OR-Tools，同时具有可比较的计算时间，在本文中还探讨了分裂交付对解决质量的影响。我们的提出的框架可以应用于其他 VRP 变体，例如随机 VRP，并具有应用于组合优化问题的潜力。

Feb, 2018

本文提出了基于深度强化学习的骑乘共享订单分配方案，其中模拟骑乘分配问题为半马尔可夫决策过程，并使用分布式状态表示层设计 Cerebellar Value Networks (CVNet) 以提高非线性函数逼近器 (如神经网络) 的值迭代的稳定性；最后，通过 AB 测试和离线模拟验证，在优化司机的总收入和提高用户体验方面，CVNet 相对于其他分配方法具有一定的优势，而经过有效的迁移学习后，CVNet 的性能进一步得到了提高。

Jun, 2021