基於儲物櫃的卡車-無人機聯合配送路徑規劃：綜合考量取貨、送貨與禁飛區

近日，一篇題為《基於儲物櫃的卡車-無人機聯合配送路徑規劃：綜合考量取貨、送貨與禁飛區》的論文在arXiv上發佈。該研究由Xuanyu Liu、Hui Hu、Jiao Zhao、Ziliang Wang和Zhengbing He共同完成，針對現代物流中的最後一公里配送問題，提出了一種創新的聯合配送模式。

在傳統卡車-無人機配送中，卡車負責長距離運輸，無人機則進行靈活配送。然而，實際應用中面臨許多挑戰，例如無人機續航有限、禁飛區限制以及取貨與送貨的混合需求。該研究引入智能儲物櫃作為中間節點，這些儲物櫃不僅存儲包裹，還支持無人機的自動起降、包裹交接和電池更換，從而大幅擴大服務範圍，提升操作靈活性。但與此同時，系統需要協調複雜的約束條件，包括電池容量、載荷影響以及禁飛區繞行。

為此，論文定義了新型的LTDRP-PDNF問題，目標是最小化配備無人機的卡車車隊的運營成本。研究人員將路徑構建過程建模為馬爾可夫決策過程，並開發了一種兩階段深度強化學習神經啓發式算法。第一階段使用注意力編碼器和雙向門控循環單元解碼器，解決僅卡車的帶容量車輛路徑問題（CVRP）。第二階段結合策略遷移和混合調度分配啓發式，構建完全協同的卡車-無人機路線，其中無人機可以從儲物櫃出發執行配送或取貨任務，並在電池耗盡前返回儲物櫃或卡車。

實驗在多種規模實例上進行，包括不同數量的客户點、儲物櫃和無人機。結果表明，所提方法在大多數情況下優於元啓發式算法（如大型鄰域搜索）和神經啓發式基線，且計算時間極短，通常只需幾秒。該研究為實際運營約束下的物流配送提供了高效、可擴展的解決方案框架，有望推動智能物流系統的發展，特別是在城市密集區域和複雜空域環境中具有重要應用前景。