强化学习（一个端到端的框架）解决车辆路径问题

资源为使用强化学习提出了一个端到端的框架来解决车辆路径问题（VRP）。在这种方法中，通过观察奖励信号和遵循可行性规则，训练单个模型，为从给定分布中采样的问题实例找到近似最优解。模型表示一个参数化的随机策略，通过应用策略梯度算法来优化其参数，经过训练的模型实时生成一系列连续动作的解，而无需针对每个新问题实例进行重新训练。在CVRP上，该方法在解决方案质量方面优于经典的启发式方法和Google的OR工具。演示方法也可用于处理拆分交付的问题，并探索此类交付对解决方案质量的影响。该资源使用的框架可以应用于VRP的其他变体，如随机VRP问题，并且有可能更广泛地应用于组合优化问题。