{"id":15143,"date":"2026-05-13T14:11:25","date_gmt":"2026-05-13T14:11:25","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/dawei-chen\/"},"modified":"2026-05-13T14:11:43","modified_gmt":"2026-05-13T14:11:43","slug":"dawei-chen","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/dawei-chen\/","title":{"rendered":"Dawei Chen"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":7,"featured_media":15144,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-15143","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"naam_van_het_proefschift":"Dynamic and Stochastic Vehicle Routing Problems","samenvatting":"De snelle opkomst van onmiddellijke bezorging en e-commerce heeft stadslogistiek veranderd in een race tegen de klok. Bij real-time bezorging is onzekerheid een belangrijke overweging die niet kan worden vermeden. Verkeersomstandigheden veranderen per minuut en nieuwe orders verschijnen onvoorspelbaar, wat een mate van complexiteit cre\u00ebert die traditionele planningsinstrumenten niet langer effici\u00ebnt kunnen afhandelen. Om steden in beweging te houden, hebben logistieke dienstverleners een nieuwe generatie besluitvormingsinstrumenten nodig die even snel als slim zijn.\n\nDit proefschrift behandelt de cruciale behoefte aan snelheid en aanpasbaarheid in grootstedelijke logistiek. Traditionele optimalisatiemethoden zijn weliswaar nauwkeurig, maar hebben vaak moeite met de \"vloek van de dimensionaliteit\" \u2014 ze worden te traag wanneer ze geconfronteerd worden met enorme hoeveelheden real-time data. Om deze kloof te overbruggen, onderzoekt dit onderzoek het potentieel van Deep Reinforcement Learning. In plaats van telkens een nieuw probleem vanaf nul op te lossen wanneer een levering verandert, traint deze aanpak algoritmen om optimale beleidsregels uit data te \"leren\", waardoor ze in milliseconden beslissingen van hoge kwaliteit kunnen nemen.\n\nOm het potentieel van deze op leren gebaseerde aanpak aan te tonen, presenteert dit proefschrift drie methodologische studies gericht op dynamische en stochastische voertuigroutering. De eerste studie introduceert een dynamisch grafisch temporeel aandachtsmodel met RL om door verkeersfluctuaties te navigeren. Dit model stelt voertuigen in staat om verschuivende verkeerspatronen in real-time waar te nemen, wat hen helpt om via de meest effici\u00ebnte paden door verzadigde stedelijke netwerken te navigeren. De tweede studie behandelt de uitdaging van onvoorspelbare orderontvangsten. Door flexibele vertrektijden te integreren, kan het systeem voertuigstarts strategisch uitstellen of vervroegen om spitsverkeer te vermijden terwijl een hoog serviceniveau voor klanten behouden blijft. De derde studie richt zich op de enorme schaal van on-demand maaltijdbezorging. Het ontwikkelt lichtgewicht neurale netwerken die in staat zijn om orderconsolidatie en koeriers gelijktijdig te co\u00f6rdineren, waardoor de effici\u00ebntie hoog blijft, zelfs als het netwerk groeit. De bevindingen tonen aan dat deze RL-benaderingen honderden keren sneller kunnen zijn dan traditionele algoritmen zonder in te boeten op de kwaliteit van de oplossing. In praktijkscenario's verminderen deze benaderingen de operationele kosten aanzienlijk en verbeteren ze de betrouwbaarheid van de bezorgdiensten.\n\nDit onderzoek bevordert de stand van de techniek door een robuust raamwerk te bieden voor real-time logistiek. Het verschuift de focus van statische, eenmalige planning naar intelligente, continue aanpassing. Terwijl steden blijven groeien en de vraag naar bezorging toeneemt, bieden de hier ontwikkelde modellen essenti\u00eble instrumenten voor het bouwen van effici\u00ebntere, responsievere en duurzamere stedelijke transportsystemen.","summary":"The rapid rise of instant delivery and e-commerce has turned city logistics into a race against time. In real-time delivery, uncertainty is an important consideration that cannot be avoided. Traffic conditions change by the minute, and new orders appear unpredictably, creating a level of complexity that traditional planning tools can no longer handle efficiently. To keep cities moving, logistics providers need a new generation of decision-making tools that are as fast as they are smart.\n\nThis dissertation addresses the critical need for speed and adaptability in metropolitan logistics. Traditional optimization methods, while precise, often struggle with the \u201dcurse of dimensionality\u201d\u2014they become too slow when faced with massive amounts of real-time data. To bridge this gap, this research explores the potential of Deep Reinforcement Learning. Instead of solving a new problem from scratch every time a delivery changes, this approach trains algorithms to \u201dlearn\u201d optimal policies from data, enabling them to make high-quality decisions in milliseconds.\n\nTo demonstrate the potential of this learning-based approach, this dissertation presents three methodological studies focused on dynamic and stochastic vehicle routing. The first study introduces a dynamic graph temporal attention model with RL to navigate traffic fluctuations. This model allows vehicles to sense shifting traffic patterns in real-time, helping them navigate through congested urban networks via the most efficient paths. The second study addresses the challenge of unpredictable order arrivals. By integrating flexible departure times, the system can strategically delay or advance vehicle starts to avoid peak-hour traffic while maintaining high service levels for customers. The third study focuses on the massive scale of on-demand food delivery. It develops lightweight neural networks capable of coordinating order consolidation and couriers simultaneously, ensuring that efficiency remains high even as the network grows. The findings show that these RL approaches can be hundreds of times faster than traditional algorithms without sacrificing solution quality. In real-world scenarios, these approaches significantly reduce operational costs and improve the reliability of delivery services.\n\nThis research advances the state-of-the-art by providing a robust framework for real-time logistics. It shifts the focus from static, one-time planning to intelligent, continuous adaptation. As cities continue to grow and delivery demands intensify, the models developed here provide essential tools for building more efficient, responsive, and sustainable urban transportation systems.","auteur":"Dawei Chen","auteur_slug":"dawei-chen","publicatiedatum":"2 juni 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/daweichen?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/07132ba0-47b8-4d54-b5b3-0321f451da1c\/optimized","url_epub":"","ordernummer":"19081","isbn":"978-90-386-6710-2","doi_nummer":"","naam_universiteit":"TU Eindhoven","afbeeldingen":15145,"naam_student:":"","binnenwerk":"","universiteit":"TU Eindhoven","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/15143","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=15143"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/15143\/revisions"}],"predecessor-version":[{"id":15146,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/15143\/revisions\/15146"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/15144"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=15143"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=15143"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}