数据附件.rar

由于人们对新鲜农产品 （FAP） 的新鲜度和质量的担忧日益增加，新鲜农产品供应链 （FAPSC） 的优化变得越来越重要。部署油电混合车队以一起安排收获和分配的供应模式是一种很有前途的方法。这些模式不仅通过缩短 FAPSC 来帮助提供高新鲜度和高质量的 FAP，而且还减少了 FAPSC 物流活动的碳排放。这种供应模式需要做出具有多个目标的决策，处理这些决策之间的关系以进行整体优化，并开发高效的解决方案方法以提高供应链的运营效率。本研究提出了一个多目标调度问题，该问题使用混合油电车队整合了 FAP 的收获和分配。首先，基于时空状态框架制定混合整数模型，以最大限度地降低运营成本并最大限度地提高订单满意度。其次，开发了一种由 Q-learning （QHA） 改进的启发式算法，并根据问题的特点设计了四种不同的进化方法。特别是，考虑到 FAP 订单数量的随机性和季节性，为随机订单设计了一种改进的定期重新优化方法。最后，将 QHA 与基于显性的方法、基于分解的方法和 QHA 的变体进行比较，以验证其优越性。还将改进的周期性再优化方法与即时再优化方法和周期性重新优化方法进行了比较，以验证其有效性。