促进动态车辆路径问题中的双边公平性

本文提出了一个使用强化学习解决车辆路径问题的框架，通过观察奖励信号和遵守可行性规则，找到给定分布采样问题实例的近最优解。通过策略梯度算法优化参数，模型能够实时生成解决方案，无需重新训练。在解决负载容量 VRP 的中等规模实例时，方法优于启发式算法和 Google 的 OR-Tools，同时计算时间可比。还探讨了分裂交付对解决质量的影响。框架可应用于其他 VRP 变体和组合优化问题。