Google的優(yōu)化工具：

程序?qū)崿F(xiàn)肯定好，但是如果想要滿足需求還需要進(jìn)一步加入動態(tài)的，考慮到該工具可以支持有初始路徑的場景進(jìn)行方案分配，那么就可以滿足實(shí)時(shí)更新的要求，把每天分為多個(gè)時(shí)間段，在每個(gè)時(shí)間段內(nèi)看作是一個(gè)靜態(tài)的VRP問題。那這個(gè)程序不需要進(jìn)行太大的改造就還可以，還有一個(gè)關(guān)鍵的問題是，評價(jià)指標(biāo)在這個(gè)程序中如何體現(xiàn)？

E-ACO的方案：

需要自己從零開始寫起，效果不一定好，還費(fèi)時(shí)費(fèi)力

老馬方案：

在原來的三種靜態(tài)方案上修修補(bǔ)補(bǔ)?？墒且绾涡薷哪兀靠裳袌?bào)中是說可以借助蟻群算法、遺傳算法等啟發(fā)式算法進(jìn)行改進(jìn)，同時(shí)利用強(qiáng)化學(xué)習(xí)不斷提高系統(tǒng)的能力。

這種方案需要在原來的已經(jīng)成型的靜態(tài)方案中進(jìn)行修改，那首先就是要了解原來的靜態(tài)方案，要不然怎么修改呢？現(xiàn)在又拿不到之前靜態(tài)方案的demo，想要做只能自己看懂java然后去寫出來demo，然后在此之上再去修改為動態(tài)的.

又想到似乎可以把google的方案包裝一下，直接拿來用不太妥，

第一，? 需要時(shí)動態(tài)的，那可以按照杭電論文的觀點(diǎn)，把一天分為多個(gè)時(shí)間段，將動態(tài)問題靜態(tài)化。

第二， 反正之前說過要用強(qiáng)化學(xué)習(xí)來進(jìn)一步增強(qiáng)的，那就在google的基礎(chǔ)上加上強(qiáng)化學(xué)習(xí)的部分。

第三，? 這樣來做工作量似乎最小。

那接下查一查這種VRP問題怎么用強(qiáng)化學(xué)習(xí)？

查找到了用強(qiáng)化學(xué)習(xí)解決VRP問題的外文文章，Deep Reinforcement Learning for Solving the Vehicle Routing Problem，接下來看這篇文章如何解決，并且看看是否有源碼。