一种面向任务分配公平的异构车队取送货车辆路径规划方法

本发明提供了一种面向任务分配公平的异构车队取送货车辆路径规划方法。在第一阶段，采用了最短耗时策略的车辆选择方法。在第二阶段，提出了一种新颖的并行编码器‑解码器结构的模型，即具有并行编码器的异构注意力模型，该模型融合了不同的注意力机制来自动选择订单，以学习构建解决方案，旨在最小化车队中车辆的总行程时间。实验结果表明，该方法在大部分数据集上任务分配相对公平并且完成任务的时间消耗均优于其他深度强化学习方法和大多数传统启发式方法，同时在大规模订单场景下表现出了明显的优势。本方法通过优化路线和避免不必要的出行等方式，降低行驶里程和成本、减少燃料消耗、碳排放和运营成本，同时促进可持续发展，提高环保意识和经济效益。