关键词stochastic vehicle routing problem
搜索结果 - 3
- 强化学习解决带时间窗的随机车辆路径问题
通过强化学习方法优化随机车辆路径问题,减少货物运输中的行程成本,提出一种新的模型,用于考虑不确定的行程成本和需求,以及确定的客户时间窗口,通过基于注意力的神经网络进行训练,实现路径成本的最小化,并超越基于蚁群算法的模型,在行程成本上减少了 - 解决随机车辆路径问题的强化学习
本研究旨在解决在不确定条件下优化车辆路线的具有挑战性任务的随机车辆路径问题(SVRP)中,利用强化学习(RL)和机器学习(ML)技术的利用不足的问题。我们提出了一个全面解决 SVRP 中预测性关键源的全新端到端框架,采用简单而有效的架构和定 - 信息采集车辆路径问题:应对紧急风暴响应的随机优化
本文提出了一种具有信息收集和信念建模能力的随机车辆路径问题的解决方案,该方案可以使用电话来创建有关停电的信仰,并使用实用车辆作为收集其他信息的机制。并使用蒙特卡罗树搜索 (MCTS) 来生成实际策略。实验结果表明,该策略比标准行业启发式方法