每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

学习车辆路径问题的分割

Created by
  • Haebom

作者

欧阳文斌、李思睿、马一宁、吴凯茜

大纲

本研究首次正式探索了“先分段后聚合”（FSTA）分解技术，以加速求解车辆路径问题（VRP）的迭代启发式算法。具体而言，我们旨在通过保留稳定的解决方案路段并仅关注不稳定的路段来减少不必要的计算。为了识别稳定的路段，我们引入了一种名为“学习分段”（L2Seg）的新型神经网络框架。L2Seg 有三种变体（非自回归、自回归和协同），在 CVRP 和 VRPTW 问题上的实验结果表明，L2Seg 可将最先进的求解器的速度提高 2 到 7 倍。

Takeaways，Limitations

•
Takeaways：
◦
加速解决 VRP 问题的迭代启发式方法。
◦
FSTA分解技术介绍及L2Seg框架开发。
◦
L2Seg 的三种变体（非自回归、自回归和协同）的展示和性能比较。
◦
通过对 CVRP 和 VRPTW 问题的实验证明了性能。
◦
与传统、基于学习和混合求解器兼容。
•
Limitations：
◦
论文中没有具体提及 Limitations。
👍
Made with Slashpage