来源：期刊VIP网 时间：
作者：张文会;郑文诏;向宇豪;肖宇欣;
单位：东北林业大学土木与交通学院;
摘要：为了科学合理规划物流车辆路径，减少运输环节产生的碳排放，构建了基于深度强化学习的低碳运输路径优化模型。该模型根据复杂路况和碳排放来源，采用交通运输空气污染排放估算方法，以碳排放成本最小化为优化目标，综合考虑了道路坡度和车辆实时载重。为了快速求解模型最优值，提出了一个深度强化学习框架。该框架以所建模型的目标函数作为奖励信号，以改进的指针网络作为策略网络、深度卷积网络作为价值网络，以优势演员评论家算法作为强化学习方法。通过10节点、20节点和50节点规模下的300个模拟算例实验，验证所建模型和求解方法能够在不同规模下低碳路径规划问题中找到近似最优解。实验结果表明，本文所提出的深度强化学习框架与传统启发式算法相比，碳排放成本平均降低4.57%，求解效率平均提升95.86%。
关键词：低碳物流;;车辆路径规划;;道路坡度;;深度强化学习
基金资助：国家自然科学基金资助项目（51638004）
