物流行业作为国家经济实力的重要组成因素,在引导国家经济发展,提高国民生产总值等决策上发挥着重要的作用。在全球经济一体化趋势的大背景下,物流业已经成为我国重要的经济支柱之一。现代物流的蓬勃发展得益于信息技术的支持,如何通过现有的技术手段来构建一个与互联网产业相匹配的物流配送体系显得格外重要。通过控制运输成本,可以显著地提升现代物流的效益,实现科学化的配送体系管理。组合优化是计算机科学与运筹学中的一个经典分支,在日常生活、交通和制造等多个领域有着广泛的应用。车辆路径问题作为经典的组合优化问题之一,其目的是找到一个运输成本最低的路径集合,该问题往往难以在一个多项式的时间内找到确定的解决方案。不同于旅行商问题,车辆路径问题带有容量约束等特定条件,并且可以根据不同的场景衍生出更加复杂的新问题,因此研究求解这类问题的算法往往是十分具有吸引力的。在对车辆路径问题进行求解时,传统的元启发式方法可以在一个令人接受的时间范围内获得局部最优解,但是这些方法往往以一种随机的方式来选择要执行的算子,这就导致浪费了很多求解时间并且缺少有效指导探索解空间的策略。为了解决这一挑战,本文提出了一个基于迭代局部搜索的深度强化学习算法来求解车辆路径问题,我们称之为带有重启动机制的学习动作序列算法（LAS-restart）。在迭代局部搜索的每一步,我们的模型都会选择当前最优的动作去执行并且生成一个新的解决方案。值得一提的是,我们的模型会根据历史动作带来的收益决定主动或被动地执行扰动算子。LAS算法的模型框架包含路径模拟器、嵌入网络、动作策略网络、动作池和重启门这五个组件。该模型的输入是一个由问题和解决方案的特征拼接而成的特征矩阵,我们会将模型的输入经过转换送入至嵌入网络中。在实验中我们选择使用序列编码器作为嵌入网络,序列编码器中包含多头注意力机制等技术手段,有效地防止过拟合与梯度消失等问题的发生。嵌入网络最终会输出一个由深度网络理解后的特征向量,该向量会与当前的状态相拼接,以此来形成智能体对当前环境的观察。观察值会输入至改进的深度Q网络中,该网络最终会选择一个最优的动作去执行,动作池中每一个算子可以理解为一个独立的动作。通过不断重复上述这一过程,LAS算法最终会得到一个实例的最优解。除此之外,我们还设计了一个重启动机制来更充分地探索解空间,当满足阈值条件时会进一步地探索陷入局部最优解的实例。我们分别在不同规模的车辆路径问题上进行了数值实验,并且将实验结果与改进式方法、构造式方法、启发式算法和求解器进行了对比。实验结果表明,与最前沿的方法相比,本文提出的算法可以获得最优的结果。我们也进行了消融实验,结果显示不使用重启机制的学习动作序列算法也可以在CVRP20和CVRP100上获得最好的结果。