Resumen

En la práctica, los parámetros del problema de enrutamiento de vehículos son inciertos, lo que se llama problema de enrutamiento de vehículos incierto (UVRP). Por lo tanto, se estudia un enfoque de optimización robusta basado en datos para resolver el UVRP heterogéneo. Se introducen los parámetros inciertos de la demanda de los clientes y se establece el modelo incierto. El modelo incierto se transforma en un modelo robusto con parámetros ajustables. Al mismo tiempo, se utiliza un método basado en mínimos cuadrados combinado con muestras de datos históricos para diseñar una función de parámetros robustos ajustables relacionados con la demanda máxima, el rango de demanda y la capacidad de vehículos dada para optimizar el modelo robusto. Mejoramos el algoritmo de aprendizaje por refuerzo basado en Q-learning profundo para el problema de tamaño de flota y mezcla de enrutamiento de vehículos para resolver el modelo robusto. A través de experimentos de prueba, se demuestra que el modelo de optimización robust

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Problema de enrutamiento de vehículos; Incierto; Optimización robusta; Basado en datos; Demanda; Tamaño de la flota
• Keywords:Vehicle routing problem; Uncertain; Robust optimization; Data-driven; Demand; Fleet size