مسیریابی حمل بار با استفاده از یادگیری تقویتی

پژوهش حاضر به بررسی مسیریابی وسیله حمل بار با استفاده از الگوریتم Q-learning در شبکه های فرضی و واقعی می پردازد. در این مطالعه، مسیریابی از یک مبدا به مقاصد متعدد و بازگشت به مبدا اولیه به طور بهینه مدل سازی می شود. در این راستا، تاثیر پارامترهای نرخ اکتشاف و تعداد تکرار مورد نیاز برای آموزش عامل در الگوریتم Q-learning بر عملکرد مسیریابی، بررسی می شود. شبکه های مختلف فرضی با گریدهای ۳ در ۳، ۴ در ۴ و ۵ در ۵ با تعداد مقاصد متغیر (۱ تا ۵ مقصد) برای شبیه سازی در نظر گرفته می شوند. نتایج نشان می دهد که با افزایش نرخ اکتشاف از ۰/۱ به ۰/۳، کارایی مدل بهبود یافته و تعداد تکرارهای مورد نیاز برای آموزش عامل کاهش می یابد، به طوری که در شبکه های فرضی ۴ در ۴ و ۵ در ۵ تعداد تکرارهای لازم برای آموزش به میزان چشمگیری کاهش می یابد. در حالی که افزایش نرخ اکتشاف بیش از ۰/۳ به تعداد تکرار بیشتر برای آموزش عامل منجر می شود. از سوی دیگر، در شبکه های واقعی همچون شبکه شهر سوفالز با ۲۴ گره، این نتایج کمی متفاوت است و افزایش پیچیدگی مساله، به طور کلی نیازمند تعداد تکرار بیشتر برای آموزش عامل می شود. در این شبکه، به ازای هر ۱۰۰ واحد افزایش پیچیدگی مساله، تعداد حداقل تکرار مورد نیاز برای آموزش عامل، ۲۰ واحد افزایش می یابد (۲۵ درصد بیشتر از شبکه های فرضی). همچنین، نرخ بهینه اکتشاف برای شبکه سوفالز برابر با ۰/۳ تعیین می گردد که بهترین عملکرد را در آموزش عامل در بین سایر نرخ های اکتشاف را نشان می دهد. این پژوهش می تواند راهگشای استفاده از الگوریتم های یادگیری تقویتی در مسیریابی وسایل حمل بار در شرایط واقعی به منظور کاهش زمان سفر و هزینه های حمل باشد.

کلیدواژه ها:

مسیریابی ، حمل بار ، یادگیری تقویتی ، Q-Learning ، شبکه سوفالز