BriefGPT - AI 论文速递
·
强化学习解决带时间窗的随机车辆路径问题
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文研究了带时间窗的车辆路径问题（VRPTW）和随机旅行时间，并提出了上下文随机VRPTW问题。通过特征变量和历史数据驱动规定模型，解决了最小化总运输成本和预期迟到惩罚的问题。实验结果表明，基于特征的样本平均近似优于现有方法和新方法。
🎯
关键要点
-
研究了带时间窗的车辆路径问题（VRPTW）和随机旅行时间。
-
提出了上下文随机VRPTW问题，旨在最小化总运输成本和预期迟到惩罚。
-
特征变量和历史数据驱动规定模型用于解决问题。
-
区分了基于点的近似、样本平均近似和惩罚近似等规定模型。
-
开发了专门的分枝 - 定价割算法来解决数据驱动的规定模型。
-
实验结果显示，基于特征的样本平均近似在大多数情况下优于现有和新方法。
🏷️
标签
➡️
