冉龄玉

(重庆交通大学经济与管理学院 重庆 400041)

一、引言

随着信息技术和科技水平的不断发展，以及经济全球化程度的不断加深，深度学习技术发展迅速，应用前景不断拓展。然而，信息社会促使物流市场各企业面临着一个共同的问题——实时物流配送路径优化。当今各行各业都包含不同程度上的物流配送，因而各企业必须重视实时物流配送环节。将信息技术用于寻找更优的、更加科学合理的动态物流配送柔性路径，可以增强物流企业的核心竞争力。实时物流配送路径的合理制定可以在一定程度上降低物流成本，提升运营效率。当今，深度学习已逐渐运用于各行各业。本文从理论角度出发，将深度学习运用于制定实时物流配送路径优化问题，为物流企业的配送路径安排提供参考，具有非常重要的实际意义。

实时车辆路径问题是简单车辆路径问题(VPR)的延伸，它需要同时考虑配送车辆的时空性质和客户单元的实时需求。配送车辆的时空性包含配送车辆在空间上以及时间上的实际状况。实时车辆路径问题与动态交通路况有着很强的关联。目前，国内外学者对该类问题进行了广泛研究。Mingyao qi(2012)[1]将聚类算法结合遗传算法，进一步从时间和空间上分析配送车辆需要符合的条件，从而对VRPTW进行寻优。在Mahmoudi(2016)[2]等人的研究中，只结合前向动态规划的拉格朗日松弛法，这似乎是一种精确解法。陈迎欣(2012)[3]、许星(2006)[4]将遗传算子中的选择操作融入到蚁群算法，构造的混合算法得到了问题的更优解。……