关键词：拼货决策;马尔可夫决策过程;近端策略优化;图注意力网络;决策优化
摘 要：钢铁物流平台在处理客户订单时，常需将钢材产成品拆分成多个运单进行运输。而未达到货车最低载重（LTL）限制的“尾货”，通常需要与其他客户订单的货物拼载以优化运输效率。尽管先前的研究已经提出一些解决方案，但均未能同时考虑拼货运输中可能产生的绕行距离及高优先级货物优先发运问题。为此，提出一个多约束条件下多目标优化的钢铁拼载决策框架，通过设计分层决策网络和表征增强模块，实现全局最优的拼货决策。采用基于近端策略优化的分层决策网络，先确定各个优化目标的优先级，再基于这些优先级进行尾单的组合与选择；同时，利用基于图注意力的表征增强模块实时表征货物信息和尾货信息，并输入决策网络实现多目标的长期收益最大化。在大规模真实货运数据集上的实验结果表明，与其他在线算法相比，所提方法在仅与最大化承运量的尾单拼货方法相比，发运总重量减少6.7%的前提下，分别实现高优先级货物重量占比和平均绕行距离比次优的贪心算法提升17.3%和降低7.8%，有效提升了拼载运输的效率。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取