一种PER-自适应探索深度强化学习TSP/CVRP优化方法

本发明涉及物流与供应链管理技术领域，具体为一种PER‑自适应探索深度强化学习TSP/CVRP优化方法，包括以下步骤：S1、构建包含节点特征、车辆状态及循环神经网络隐藏状态的状态空间，定义选择下一跳节点的离散动作空间；S2、利用循环神经网络编码历史路径序列的时序依赖关系，结合注意力机制生成聚焦关键节点信息的上下文向量；S3、采用优先经验回放机制，根据时序差分误差计算样本优先级，按优先级比例采样经验样本并引入重要性采样权重修正偏差；S4、实施两阶段自适应探索策略，根据训练阶段与智能体成功率动态调整探索率；S5、基于加权损失函数优化深度Q网络参数，实现旅行商问题与带容量约束车辆路径问题的求解。