[发明专利]快递收派员的任务规划方法和系统

权利要求书

1.一种快递收派员的任务规划方法，根据快件状态和收派员状态规划收派员的任务，包括如下步骤：

获取收派员状态、收派员可采取的行动集合以及所述收派员的任务快件状态；

利用强化学习从所述收派员可采取的行动集合中挑选出收派员下一步采取的最优行动；

将最优行动路线发送给收派员；

其中，所述收派员可采取的行动集合是指收派员到达所有的任务地点和快递集散点的路线集合。

2.根据权利要求1所述的任务规划方法，所述强化学习包括马尔可夫决策过程，所述马尔可夫决策过程由一个四元组构成，所述四元组包括收派员的状态、收派员可采取的行动集合、收派员在当前状态下经过一个行动后转移到下一状态的概率分布、以及收派员采取行动后的回报。

3.根据权利要求2所述的任务规划方法，所述马尔可夫决策过程如下：

收派员在其初始状态下，从所述行动集合中挑选一个任务地点或快递集散点并到达；

收派员完成一个任务后按照所述概率分布转移到下一状态；

收派员执行下一行动，并转移到再下一状态，直至所述行动集合完成。

4.根据权利要求3所述的任务规划方法，所述马尔可夫决策过程的策略由深度神经网络决定，所述策略为收派员可采取的行动集合中收派员下一步最优行动的规则。

5.根据权利要求4所述的任务规划方法，收派员采取任一行动后产生一个相应回报。

6.根据权利要求5所述的任务规划方法，所述策略是通过找到最合适参数，使所述收派员采取的下一步行动最优，所述收派员采取行动后的回报期望值最大。

7.根据权利要求1所述的任务规划方法，所述快件状态包括：快件起始时间窗、快件数量、起始地址、到达时间要求和快件其他信息。

8.根据权利要求1所述的任务规划方法，所述收派员状态包括收派员所处的位置、收派员的任务快件状态、同收派任务片区内其他收派员的状态。

9.一种快递收派员的任务规划系统，根据快件状态和收派员状态规划收派员的任务，包括状态获取单元、强化学习单元和反馈单元，

所述状态获取单元获取收派员状态、收派员可采取的行动集合以及所述收派员的任务快件状态；

所述强化学习单元从所述收派员可采取的行动集合中挑选出收派员下一步采取的最优行动；

所述反馈单元将最优行动路线发送给收派员；

其中，所述收派员可采取的行动集合是指收派员到达所有的任务地点和快递集散点的路线集合。