本文提出了一种基于 Approximate Dynamic Programming (ADP) 的方法，使用神经网络近似值函数，并展示了与 Deep Reinforcement Learning 的联系，以应对近实时 ride-pooling 问题中整数线性规划和组合复杂性，并在实际数据集上表现出比之前方法高达 16％的效果，显著改进了城市交通问题。

Nov, 2019

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

通过构建基于强化属性异构网络嵌入方法的优质订单合并网络，以高效实时地综合各种订单，并充分利用熟练的送餐员的行为信息，该研究成功提高了在线订餐平台的订单配送质量和送餐员的工作效率。

Jun, 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

本文描述了一种新的近似动态规划方法 —— 分布式鲁棒性近似动态规划，通过最小化对策略损失的悲观界限来解决维度灾难，将 ADP 转化为优化问题，提高了现有 ADP 方法的理论保证。 DRADP 保证收敛和基于 L1 范数的误差界限，并在基准问题上展示了良好的性能表现。

May, 2012

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

通过深度 Q-Network (DQN) 学习方法，本研究考虑了在线调整离线计划的问题，以确定行者的延长偏移和请求的分配，以实现平台利润最大化，并验证了此方法在奖励、减少失去订单成本和失去请求方面的好处。

Feb, 2024

利用新颖的神经网络与异构关注机制解决了深度强化学习中无法应对的拣货和送货问题，实验结果证明了其在不同分布和问题规模下优于最先进的启发式策略和深度学习模型。

Oct, 2021

本文提出利用端到端的深度强化学习代理自动学习优先调度规则 (Priority dispatching rule) 来解决实际的作业车间调度问题 (Job-shop scheduling problem)，探索应用离散图表示和基于图神经网络的方案将状态嵌入到神经网络中，从而实现了良好的泛化性能（generalization）。实验表明，学习的策略还表现出较强的性能，超越最佳现有 PDR，而且在训练时未使用的更大规模实例上表现出良好的性能。

Oct, 2020

本研究提出了一种基于强化学习的实时调度算法，采用了新型的时间差异价值更新方法，并引入了自适应图剪枝策略，实现了 A/B 测试下司机收入总量提升超过 1.3％和全面部署后主要性能指标提升达到 5.3％的显著性能提升。

Feb, 2022