计算机工程与应用

作者：武保同, 陈志祥

单位：1.中山大学 管理学院，广州 510275；2.中山大学 大数据管理行为与决策实验室，广州 510275；

关键词：车辆路径问题（VRP）,强化学习,超启发式遗传算法,局部搜索

基金：广东省自然科学基金（2025A1515010562）。

针对带有容量约束的车辆路径问题，提出了一种混合强化学习驱动的超启发式自适应遗传算法进行求解。采用随机贪婪策略生成初始解，设计基于局部搜索策略的路径内优化和两阶段多路径间协同优化框架。提出局部解码策略和基于禁忌搜索的并行加速策略通过批搜索加快搜索效率。混合强化学习方法在高层策略域内通过对环境的自适应识别，对4种路径内局部搜索策略和16种路径间搜索策略组合决策以诱导搜索到达优质解集中的区域。为说明算法的有效性，采用3组经典测试集中的不同规模的算例，将该算法与遗传算法、蚁群算法、多种强化学习方法驱动的超启发式自适应遗传算法和Gurobi求解器进行对比。对比实验和消融实验结果证明了所提出的混合强化学习驱动的超启发式自适应遗传算法在求解质量上的优越性，为企业优化配送方案决策提供参考依据。

来源：2026年第5期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第5期