控制与决策

作者：王岩红,钟颖,张允华

单位：上海工程技术大学 管理学院，上海 201620,,上海工程技术大学 管理学院，上海 201620,,同济大学 汽车学院，上海 201804,

关键词：电动冷藏车;跨区域路径优化;多目标;动态策略;强化学习;启发式 Q学习

基金：中国科协“科技智库青年人才计划”项目(20220615ZZ07110408)；国家自然科学基金青年基金项目(52206167, 72504174)；上海市“科技创新行动计划”软科学研究领域重点项目(24692114300).

面向冷链物流绿色化发展目标和载具电动化趋势, 考虑拥堵路况、充电成本、电量消耗等多目标实施电动冷藏车跨区域路径优化, 提出一种改进的 Q学习方法, 设计启发式奖励机制, 引入余弦退火学习率和指数衰减探索率两种动态策略, 提升算法性能并进行仿真实验与对比分析. 实验数据表明, 改进后的强化学习算法能够根据交通运行状态、电动冷藏车的初始电量以及能耗率等, 有效优化跨区域冷链配送路线. 相较于其他3种 Q学习算法, 在6类差异化测试场景下, 其配送方案能够显著降低总里程与电量消耗(p $ < $ 0.05, Welch’s t-test). 结果表明, 该方法在高速公路、城市道路及充电站投放等环境建模下具备良好的适应性和鲁棒性.

来源：2026年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第3期