一种融合多重策略与知识蒸馏的生态路径自学习优化方法

本发明提出了一种融合多重策略与知识蒸馏的生态路径自学习优化方法，包括以下步骤：探索过程的优化；共享基线的训练；知识蒸馏模块的构建；自适应选择分布模块的构建；性能评估与优化。本发明针对电动汽车提出了一种融合多种策略与知识蒸馏的生态路径自学习优化方法。基于学习型算法求解电动车辆群集生态路径优化问题，并考虑解决方案序列的对称性，以提高模型的解决能力，采用熵最大化技术，用共享基线取代贪心策略基线，构建多重策略优化方法，基于知识蒸馏和自适应分布提取策略模块，提升模型求解效果，该方法解决了学习型算法求解生态路径优化问题时局部最优解问题和泛化性差问题，方法具有高效性。