حل مساله مسیریابی خودرو با ناوگان ناهمگون: یک رویکرد مبتنی بر یادگیری تقویتی عمیق

چکیده مقاله

در این پژوهش، یک چارچوب مبتنی بر یادگیری تقویتی عمیق برای حل گونه ای پیشرفته از مسئله مسیریابی خودرو در مقیاس بین شهری ارائه شده است در مدل پیشنهادی ناوگانی ناهمگون با ظرفیتها و ویژگیهای عملکردی متفاوت در نظر گرفته شده که دسترسی هر وسیله نقلیه به طور پویا و وابسته به برنامه سفر روزهای گذشته تغییر می کند همچنین مقصدها دارای پنجره های زمانی روزانه هستند که تصمیم گیری را پیچیده تر می سازد برای حل این مسئله با فضای تصمیم گیری وسیع از الگوریتم یادگیری تقویتی عمیق به عنوان یکی از روش های پیشرفته یادگیری تقویتی استفاده شده است طراحی فضای حالت شامل بازنمایی وضعیت ناوگان، زمان بندی و وضعیت گره ها بوده و شبکه عصبی سیاست تصمیم گیری در محیطی پویا آموزش دیده است نتایج شبیه سازی روی داده های ساختگی واقع گرایانه نشان می دهد که روش پیشنهادی در مقایسه با روش های کلاسیک مبتنی بر برنامه ریزی، عددی عملکرد بهتری دارد به طور خاص، جواب های به دست آمده تنها ۶ درصد اختلاف با مقادیر بهینه دارند، در حالی که زمان اجرا تقریبا ۳۵,۰۰۰ برابر سریع تر است این دستاورد رویکرد پیشنهادی را برای توسعه سامانه های هوشمند تصمیم یار در لجستیک بین شهری بسیار ارزشمند می سازد

کلیدواژه‌ها

نویسندگان

امیرمحمد کرکمندی

دانشجوی کارشناسی ارشد دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران

زهرا امینی

استادیار دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران

کرکمندی، امیرمحمد و امینی، زهرا،1404،حل مساله مسیریابی خودرو با ناوگان ناهمگون: یک رویکرد مبتنی بر یادگیری تقویتی عمیق،چهاردهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران