本研究提出了一种新方法SED2AM，利用深度强化学习解决多趟时变车辆路径问题。该方法通过引入时间局部性归纳偏置，有效处理旅行距离或时间的变化。实验结果表明，SED2AM在实际数据集上优于现有方法，具有解决更大规模问题的潜力。