路径池Transformer强化模型

全局路径更优

与仅用前一节点的Transformer方法不同，该模型通过依赖衰减池化策略整合无人机完整路径上下文，能捕捉长程依赖，从而作出全局更优的路径决策。

Xiang, Chuankai · Mo, Yanfang · Wei, Liu · 吴志彬 · Li, Lishuai

Transportation Research, Part C: Emerging Technologies 2025

技术优势

全局路径更优

通过依赖衰减池化策略整合完整路径上下文，捕捉长程依赖，使路径决策更具全局视角，从而提升整体配送效率。

求解速度快

在小规模问题上，模型在性能接近最优的同时，运行时间相比Gurobi大幅缩短，满足实时调度需求。

扩展性强

对车队规模和动态到达任务比例的变化不敏感，能够稳定适应不同运营场景。

应用场景

• 无人机配送：为大规模无人机配送提供实时调度方案，替代传统启发式或精确算法，提高运营效率。
• 车队调度：在车队规模变化时保持稳定性能，帮助调度系统适应不同规模的任务需求。
• 动态路径规划：在动态任务到达场景下，利用完整路径上下文实时调整路线，避免局部次优。