无人物流调度算法

需求不确定也稳

面向无人出租车的深度强化学习调度算法，通过鲁棒优化对抗需求波动，比现有方法更可靠。

Xiaoting, Zhou · Lu-Bin, Wu · Zhang, Yu · 陈振颂 · Jiang, Shancheng

Information Sciences 2023

技术优势

需求骤变也不慌

通过对需求扰动采样生成对抗样本训练，模型对突增需求能做出自适应调度。

学得更快

鲁棒优化为批评网络提供下界指导，加速收敛。

车队规模任意配

即使无人车与乘客需求比例变化，算法仍能提供可靠调度策略。

应用场景

• 自动驾驶出行服务：在无人出租车系统中实时调度车辆，应对客流波动。
• 网约车调度：提升网约车平台在高需求场景下的调度效率与可靠性。
• 机器人车队管理：管理大规模无人车队，统一调度并保持服务稳定。
• 智能交通控制：通过智能调度减少空驶和拥堵，提升路网效率。