【标题】The flying sidekick traveling salesman problem with stochastic travel time: A reinforcement learning approach
【作者团队】Zeyu Liu, Xueping Li, Anahita Khojandi
【发表日期】2022.6.28
【论文链接】https://www.sciencedirect.com/sdfe/reader/pii/S1366554522002034/pdf
【推荐理由】作为一种新颖的城市配送方式,卡车-无人机协同作业越来越受欢迎,卡车走旅行推销员路线,无人机从卡车上起飞,将包裹运送到附近的客户。研究将此问题称为飞行伙伴旅行商问题(FSTSP),并提出了许多算法来解决它。然而,很少有研究考虑到路网行驶时间的随机性。本文将 FSTSP 扩展为随机旅行时间,并将问题表述为马尔可夫决策过程 (MDP)。该模型使用强化学习 (RL) 算法解决,包括深度 Q 网络 (DQN) 和 Advantage Actor-Critic (A2C) 算法,以克服维度灾难。使用被广泛接受为基准的人工生成数据集,实验表明强化学习算法在近似优化算法中表现良好。在具有随机行程时间的 FSTSP 上,强化学习算法获得灵活的策略,根据道路上不同的交通状况做出动态决策。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...