近日，我校经济与管理学院教师许莹在安全强化学习方面取得重要研究进展，成果以“Prediction-aided hierarchical and safe reinforcement learning for cold-chain electric vehicle routing”为题，发表于工程技术领域国际权威期刊《Energy》（Nature Index期刊）。该项研究得到国家自然科学基金（72501007）的资助。

PHASE架构图

随着冷链物流与新能源配送的快速发展，冷链电动汽车路径规划需兼顾交通拥堵、电池续航、充电可用性等多重动态约束，传统静态路径规划方法无法满足复杂配送场景的决策需求。针对该问题，研究团队提出了预测辅助分层安全强化学习（PHASE）框架，融合了未来状态预测、分层决策和安全策略学习算法，将未来交通状况、充电资源及货物温度等信息纳入路径规划过程，实现前瞻性配送决策，并有效降低因电量不足、温度偏离及服务延误导致的不可行决策。应用结果表明，PHASE框架能够显著提升冷链电动汽车路径规划在动态配送环境下的适应性、鲁棒性和安全性，实现配送准时率、能源利用效率、充电效率与冷链安全的协同优化，为复杂动态约束下的大规模智能冷链物流配送提供了可扩展、可推广的解决方案，也为智慧物流与绿色运输发展提供了新的技术思路。

许莹，经济与管理学院讲师、硕士生导师，主要从事供应链运营与管理、智慧物流与供应链优化等领域研究。近年来，主持国家自然科学基金项目1项，在《International Journal of Operations & Production Management》《International Journal of Production Economics》等国际高水平学术期刊发表论文10余篇。