一种深度强化学习的多式联运路径优化方法

本发明公开了一种深度强化学习的多式联运路径优化方法，属于物流管理领域，包括以下步骤S1.形成从起点到终点的多条可行路径作为训练样本，计算每条子路径的运输时间、运费成本、碳排放量、事故发生率和最大载重指标作为对应可行路径的质量评价指标；S2.基于状态空间、动作空间及奖励函数构建深度强化学习智能体；S3.智能体采用Sum Tree优先采样机制选择样本，生成最优路径；S4.联运过程中，监控路径的质量评价指标，根据实时路径状态数据动态生成最优路径。本发明能适应实时交通变化等动态因素，减少人工干预，对突发事件响应效率高，可减少意外事故的发生概率，降低碳排放量和其他污染物的排放。