Value function approximation for dynamic multi-period vehicle routing

در برنامه های کاربردی مانند خدمات پچ یا تکنسین، مشتریان خدمات را در طول روز درخواست می کنند. ارائه دهندگان خدمات تصمیم می گیرند که آیا مشتری را برای خدمات روزمره یا مشتری به دلیل محدودیت منابع محدود کنند. بنابراین برخی از درخواست ها به روز بعد منتقل می شود. برای برآوردن انتظارات مشتری، ارائه دهندگان خدمات به تعداد زیادی از خدمات روزانه می پردازند. با این حال، تصمیمات پذیرش نه تنها عملکرد فعلی را تحت تاثیر قرار می دهد، بلکه همچنین در روز بعد نیز تاثیر می گذارد. بنابراین تصویب پذیری، تعویق و تصمیم گیری مسیریابی باید پیش بینی مسیر مسیریابی و درخواست های آینده در روزهای جاری و روزهای آینده را پیش بینی کند. مسئله تصمیم گیری نتیجه یک مساله مسیریابی چند مرحله ای با درخواست های احتمالی است. برای تقریبا حل پروسه تصمیم مارکوف از مشکل ارائه شده، ما یک سیاست پویای پیش بینی کننده مبتنی بر برنامه ریزی پویایی تقریبی ارائه می دهیم. این سیاست پتانسیل کشورهای مشکل را با توجه به خدمات مشابه دوره مشابه در طول دوره و در طول زمان برآورد می کند. سیاست ما بر تقریب تابع ارزش، تجمع فضای دولت و طبقه بندی دوره ها متکی است. ما سیاست خود را به چندین سیاست از ادبیات مقایسه می کنیم. ما تجزیه و تحلیل می کنیم که چگونه و پیش بینی های چند دوره ای کیفیت مطلوب را بهبود می بخشد و چگونه طبقه بندی جدید فضای حالت دولتی برای دستیابی به پیش بینی ضروری است. ما در نهایت نشان می دهیم که پیش بینی چند دوره، رفتار پذیرش را به تبعیض کمتر مشتریان روستایی و توزیع جغرافیایی عادلانه خدمات روزمره نسبت به پیش بینی یک دوره تغییر می دهد.