基于强化学习的动态车辆路径问题需求接受与排放配额
机器学习
2026-03-17 v1 人工智能
摘要
本文提出并形式化了动态随机车辆路径问题带排放配额（Dynamic and Stochastic Vehicle Routing Problem with Emission Quota, DS-QVRP-RR），这是一种集成动态需求接受与路径规划的新型问题，包含全局排放约束。一个关键贡献是设计了一个两层优化框架，以促进对需求的预期性拒绝和生成新路径。为解决此问题，我们开发了混合算法，将强化学习与组合优化技术相结合。我们进行了全面的计算研究，将方法与传统方法进行比较。我们的发现表明，本方法对不同类型的输入具有相关性，即使问题的时间范围是不确定的。
引用
@article{arxiv.2603.13279,
title = {Demand Acceptance using Reinforcement Learning for Dynamic Vehicle Routing Problem with Emission Quota},
author = {Farid Najar and Dominique Barth and Yann Strozecki},
journal= {arXiv preprint arXiv:2603.13279},
year = {2026}
}