双智能体协作学习的众包物流任务分配模型

• 全文链接
• 请求原文

作   者：

向传凯;  吴志彬;  徐玖平; 

作者机构：

四川大学商学院; 

关键词：

协作学习;  深度强化学习;  任务分配;  众包物流; 

期刊名称：

系统工程理论与实践

i s s n：

1000-6788

年卷期：

2023 年 43 卷 007 期

页   码：

1978-1995

摘   要：

线上线下融合的新零售模式提高了对最后一公里配送的运输要求,众包物流作为新的物流运输模式,在最后一公里配送中扮演了重要角色.通过合理的任务分配方式来提升众包司机与任务之间的匹配效率,成为提升平台运营能力的重要手段.本文以最小化众包司机运输成本为目标,基于深度强化学习提出了一种双智能体协作学习的众包物流任务分配模型.在强化学习的框架下,司机选派智能体学习从司机池中选派一位合适的众包司机,随后任务分配智能体学习从任务池中选择一项任务进行分配.本文通过数值实验验证了所提方法的有效性.相较于单智能体方法和传统启发式算法,该方法可以得到更好的任务分配结果,同时较短的计算时间能够满足众包物流平台线上运行的需求.