一种用于餐食配送问题的深度强化学习方法

我们考虑一项餐食配送服务，在一天的时间内，给定一组快递员来满足动态的客户请求。快递员的职责是从餐厅取餐并配送给客户。我们将该服务建模为马尔可夫决策过程，并采用深度强化学习作为求解方法。我们在合成与真实世界数据集上对所得到的策略进行实验，并与基线策略进行比较。我们还考察了不同快递员数量下的快递员利用率。在分析中，我们特别关注餐食配送问题中有限可用资源的影响。此外，我们研究了智能订单拒绝与快递员重新定位的效果。数值实验表明，通过纳入餐厅、客户与配送站的地理位置，我们的模型显著提升了以期望总奖励和配送时间为表征的整体服务质量。我们的结果就快递员分配过程以及给定日期不同订单频率下的最优快递员数量提供了有价值的见解。所提出的模型在多种真实世界实施场景下也表现出稳健的性能。