基于函数逼近的物流车辆路径规划方法及应用研究

摘要

物流车辆的路径规划问题关系到车辆运输成本和物流活动效率的高低,是我国物流产业转型升级过程中必须解决的重要问题。信息技术和通信技术的快速发展和广泛应用、新型的物流形式如电商生鲜物流等都促进了实时动态路径规划方法的发展和应用。本文从当前物流活动的新形势出发,以解决随机多车辆路径规划问题的维数灾为目标,以近似动态规划理论和函数逼近技术为工具,针对物流活动中应用普遍但求解困难的带随机需求和服务期限的多车辆路径规划问题进行建模和算法研究。
　　本研究首先将带随机需求和服务期限的多车辆路径规划问题建模为大规模马尔可夫决策过程。模型以最大化期望服务需求为目标函数,使用车辆状态和客户状态记录决策所需信息。其次,在建模的基础上提出了两个在线学习算法:基于线性函数逼近的近似策略迭代算法(RLSTD-API)和基于基函数优化的近似值迭代算法(CEO-AVI)。RLSTD-API符合近似动态规划领域中的近似策略迭代框架,其在以k-means聚类方法获取状态重要特征的基础上使用递归最小二乘时间差分进行策略评估。CEO-AVI是针对缺乏先验知识指导时人工设计基函数很难得到最佳近似效果这一问题,通过结合强化学习领域中的离策略学习方法和交叉熵优化方法提出的基于基函数优化的近似值迭代算法。最后,通过在标准算例上进行实验对比和参数分析,验证了两种算法的有效性,并分析了其适用范围。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1研究背景与意义

1.2国内外研究现状

1.3本文研究内容

1.4本文结构安排

第2章 相关基础知识

2.1物流车辆路径规划

2.2近似动态规划

2.3函数逼近在近似动态规划中的应用

2.4本章小结

第3章 带随机需求和服务期限的多车辆物流路径规划问题建模

3.1问题描述

3.2数学建模

3.3本章小结

第4章 基于线性函数逼近的近似策略迭代算法

4.1基于k-means的特征抽取方法

4.2使用递归最小二乘时间差分的近似策略迭代算法

4.3数值实验和分析

4.4本章小结

第5章 基于基函数优化的近似值迭代算法

5.1离策略学习方法

5.2应用交叉熵优化的基函数优化方法

5.3基于基函数优化的近似值迭代算法

5.4数值实验和分析

5.5本章小结

第6章 总结和展望

6.1本文总结

6.2工作展望

参考文献

攻读学位期间公开发表的论文与参与的科研项目

致谢