买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜安徽农业大学申请的专利一种基于DDQN算法的配送车辆动态调度优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117726040B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311830634.5，技术领域涉及：G06Q10/04；该发明授权一种基于DDQN算法的配送车辆动态调度优化方法是由刘司雨;王超;王琴;董彩月;李彬;乔梓岩;高羽佳;辜丽川;邹能锋设计研发完成，并于2023-12-27向国家知识产权局提交的专利申请。

本一种基于DDQN算法的配送车辆动态调度优化方法在说明书摘要公布了：本发明公开了一种基于DDQN算法的配送车辆动态调度优化方法，属于基于深度强化学习的生鲜配送车辆调度技术领域；本发明将生鲜配送动态车辆调度问题视为连续时间过程，基于SMDPSemi‑MarkovDecisionProcess框架进行建模，并采用DDQNDoubleDeepQ‑Learning算法来训练双Agent，在处理“新订单事件”和“车辆事件”时做出调度分配。该方法显著降低了分配空间的组合复杂性，在考虑多个分配限制因素的同时，表现出更好的平均分配时间。通过提高系统资源利用率和调度效率，解决了生鲜配送延迟导致生鲜产品时效性下降的问题。

本发明授权一种基于DDQN算法的配送车辆动态调度优化方法在权利要求书中公布了：1.一种基于DDQN算法的配送车辆动态调度优化方法，其特征在于，包括以下步骤：S1、将生鲜配送中的动态车辆调度问题视为基于SMDP框架的连续时间过程：根据生鲜配送订单随时间随机出现、连续分配之间时间间隔随机的特性，拟定基于事件的SMDP公式，并定义SMDP的基本构成：环境、状态、动作空间、奖励函数和环境动力学；在系统中，明确定义两个触发分配的重要事件：“新订单事件”和“车辆事件”，将原本的多对多分配调度问题简化为一对多分配调度问题；S2、利用离散事件模拟器进行模拟：使用Python配置离散事件模拟器；利用所述模拟器维护按时间顺序排列的订单列表，并使用特定的处理例程来处理“新订单事件”和“车辆事件”：在模拟过程中，用概率分布表示驾驶员拒绝的概率，并使用β密度函数对其进行建模，最后，Agent利用该概率执行伯努利试验来确定是否拒绝订单；S3、训练Agent：结合真实世界数据和模拟数据，运用DDQN算法来同时训练双Agent，使其针对“新订单事件”和“车辆事件”做出调度分配，具体包括以下步骤：S3-1、收集数据：模拟器利用真实数据中的出发地、目的地位置和到达时间，并使用概率分布进行数据模拟，将真实世界和模拟数据结合起来，用于训练Agent；S3-2、分类agent：由于在DVDP的SMDP公式中，分配发生在两种不同类型的事件中，因此分别对NewOrderAgent和VehicleAgent两种不同的代理进行训练；S3-3、采样转换：1）初始阶段，Agent了解环境中的行为后果，随机做出动作并收集一系列的经验转换；2）将步骤1）中所述经验转换存储在一个“经验缓冲区”的池中；3）Agent从“经验缓冲区”中随机选择一批经验转换组成批次，以保证训练所需的样本多样性、打破时间上的相关性并减少数据的非平稳性；S3-4、深度神经网络驱动：当“经验缓冲区”积累了一定数量的样本后，批次中的经验元组相互连接，表示特定上下文中车辆和订单之间的潜在分配；将所述经验元组输入执行梯度步骤，通过反向传播算法更新深度神经网络的参数，其中一个神经网络在每一步都执行梯度下降，而另一个神经网络在一定数量的步骤之后才进行参数更新，以控制网络参数同步；所述深度神经网络结合DDQN算法，使用两个函数qA和qB,每个q函数使用另一个q函数的值更新下一个状态，以驱动Agent更准确地估计当前状态和动作的Q值，以qA为例： 其中，s表示智能体所处的环境状态；a表示智能体在给定状态下选择的行动；s’表示在执行动作a后智能体进入的新状态；r表示智能体在执行动作后从环境中获得的即时奖励；γ=e-βτ为折扣因子，表示对未来奖励的重要性衰减率；α为学习率，表示在更新Q值时的学习速率，其决定了新的估计值在更新Q值时对旧的估计值的相对重要性，表示在状态s’下选择具有最大Q值的动作a；Agent根据估计的Q值选择具有最大Q值的动作；NewOrderAgent将新到达的订单分配给可用车辆；VehicleAgent将有空余容量的车辆服务于等待的订单。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽农业大学，其通讯地址为：230036 安徽省合肥市蜀山区长江西路130号安徽农业大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。