PPO-swap（图上设施选址强化学习）

1. 解决的问题

PPO-swap 解决的是在真实道路网络（加权图）上，如何快速决定把哪个仓库/站点搬去哪里，使全局配送成本最低。传统 Gurobi 在大图上算不动（千节点场景需数小时），贪心启发式又容易陷入局部最优。PPO-swap 以"从初始布局出发、反复微调"取代"从零开始构建"，每一步只做一次交换（Swap）：关掉一个现有设施，在另一个节点重开，直到整体成本无法再降。

2. 核心算法逻辑

PPOswap 解决的是在真实道路网络（加权图）上，如何快速决定把哪个仓库/站点搬去哪里，使全局配送成本最低。传统 Gurobi 在大图上算不动（千节点场景需数小时），贪心启发式又容易陷入局部最优。PPOswap 以"从初始布局出发、反复微调"取代"从零开始构建"，每一步只做一次交换（Swap）：关掉一个现有设施，在另一个节点重开，直到整体成本无法再降。

3. 业务应用场景

某母婴出海公司在上海有 8 个自营快递服务站，每季度随城市开发会有 2-3 个站点的位置变得不再最优（如所在小区拆迁、周边大型社区新建）。重新规划 8 个站的全局布局，人工需要数周，算法（Gurobi）需要数小时，且无法实时响应季度需求热力图更新。

| 字段 | 说明 | 来源 | |------|------|------| | `node_id` | 候选站点/小区节点编号 | 地图 API | | `coord_x/y` | 节点坐标（WGS84） | 地图 API | | `demand` | 过去 30 天订单量（权重） | OMS | | `road_dist[i][j]` | 节点间道路距离矩阵 | 高德/百度路网 | | `current_facility` | 当前站点节点 ID 列表 | 运营台账 |

预期产出 - 毫秒级输出：哪个站搬到哪个位置，附带搬迁后全局配送距离下降幅度 - 批量评估：对季度 10 个候选站点调整方案自动排优先级 - 基准对比报告：vs 现状、vs 随机重选

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• 需要道路距离矩阵（高德/百度 API 可获取）
• 无需 GPU，CPU 上推理毫秒级
• 需要标注节点需求权重（订单热力图）
• 从 Mock Agent 测试到真实 PPO 训练需要 2-4 周工程投入

7. 代码模板

代码块数量：1 · 路径：未检测到

"""
快速使用示例：PPO-swap 快递站点搬迁
"""
import sys
sys.path.insert(0, "paper2skills-code/04-供应链/facility_location_rl_2025")
from model import FacilityLocationGraph, FacilityLocationEnv, MockPPOSwapAgent

# ① 构建城市路网图（30 个候选位置，选 5 个站点）
graph = FacilityLocationGraph(n_nodes=30, n_facilities=5, seed=42)

# ② 初始化环境（物理启发式初始布局）
env = FacilityLocationEnv(graph, max_steps=30)
facilities, initial_cost = env.reset(init_method="physics")
print(f"初始成本: {initial_cost:.2f}，初始站点: {facilities}")

# ③ 使用 Mock Agent 运行优化（生产环境换成训练好的 PPOSwapTrainer）
agent = MockPPOSwapAgent(graph, n_candidates=10)

for step in range(30):
    remove_idx, add_node = agent.select_action(facilities)
    reward, done, info = env.step(remove_idx, add_node)
    facilities = env.facilities.copy()
    if info.get("valid") and info.get("delta_cost", 0) > 0:
        print(f"Step {step+1}: 将站点 {facilities[remove_idx]} → {add_node}，"
              f"成本下降 {info['delta_cost']:.2f}")
    if done:
        break

final_cost = graph.shortest_path_cost(facilities)
print(f"\n优化完成，成本从 {initial_cost:.2f} → {final_cost:.2f}，"
      f"下降 {(initial_cost - final_cost) / initial_cost:.1%}")
print(f"最优站点配置: {facilities}")

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。