IEEE TITS，基于图卷积网络与注意力机制的深度强化学习电动汽车车队路径规划

1.摘要

针对电动汽车车队路径规划中能耗不确定、道路网络结构复杂以及现有强化学习方法缺少全局图上下文的问题，论文提出 DQN-GCNA，先以GCN编码加权路网的局部拓扑和边能耗，再用与当前车辆状态交叉注意力生成全局路网表示，并输入DQN逐步选择客户、充电站或车库。实验覆盖合成欧氏网络、真实道路网络及公开基准；结果显示，该方法降低了多类实例的能耗，并缩短深度强化学习模型的训练时间。

2.研究背景与问题定义

见个人简介