文章总结与翻译
一、主要内容
本文针对车辆路径问题（VRP）中现有深度强化学习（DRL）方法在分布偏移场景下泛化能力不足的问题，提出了一种基于集成的深度强化学习方法（EL-DRL）。该方法通过训练一组多样化的子策略，协同应对不同分布的VRP实例，核心思路包括：
- 问题背景：VRP作为NP难组合优化问题，在物流等领域应用广泛。现有DRL方法在独立同分布（i.i.d.）实例上表现优异，但实际场景中客户位置分布会因时间、天气等因素变化，导致分布偏移，现有方法泛化性能大幅下降。
- 方法设计：
- 扩展REINFORCE算法和策略梯度到集成场景，采用“共享编码器+多个独立解码器”的架构，降低计算开销；
- 利用带随机初始化的Bootstrap技术，为每个子策略分配不同的损失信号，避免参数收敛到一致；
- 引入基于泰尔指数（Theil index）和参数差异的正则化项，明确追求子策略间的差异性，增强多样性。
- 实验验证：在TSP（旅行商问题）和CVRP（容量受限车辆路径问题）的合成实例（含爆炸、压缩、聚类等5种分布）及TSPLib、CVRPLib真实基准实例上进行测试，EL-DRL在分布偏移场景下的泛化性能优于AM、POMO、DROP等主流基线方法，且保持了高效的推理速度。
- 局限性与未来方向：当前方法在大规模实例上的性能依赖子模型（如POMO）的可扩展性，且训练需更多计算资
