Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

An End-to-End Deep Reinforcement Learning Approach for Solving the Traveling Salesman Problem with Drones

Created by
  • Haebom
Category
Empty

저자

Taihelong Zeng, Yun Lin, Yuhe Shi, Yan Li, Zhiqing Wei, Xuanru Ji

개요

본 논문은 트럭-드론 협업 시스템의 효율적인 운영을 위해 TSP-D(Traveling Salesman Problem with Drones) 문제를 해결하기 위한 계층적 Actor-Critic 딥 강화 학습 프레임워크를 제안합니다. 이 프레임워크는 Transformer 기반 인코더와 효율적인 Minimal Gated Unit 디코더를 사용하며, 특히 k-최근접 이웃 희소 어텐션 메커니즘을 통해 공간적 관계에 집중합니다. 실험 결과는 다양한 규모의 TSP-D 문제에서 기존의 휴리스틱 알고리즘 및 강화 학습 방법보다 경쟁력 있는 성능을 보였으며, 특히 훈련 효율성 측면에서 뛰어난 강점을 보여줍니다.

시사점, 한계점

•
TSP-D 문제 해결을 위한 새로운 딥 강화 학습 프레임워크 제안
•
k-최근접 이웃 희소 어텐션 메커니즘을 통한 공간적 정보 처리 효율성 향상
•
기존 방법 대비 경쟁력 있는 성능 및 짧은 계산 시간 달성
•
훈련 시간 단축을 통한 훈련 효율성 향상
•
NP-hard 문제의 근사 해를 찾는 딥 러닝 모델의 일반적인 한계 존재
•
실제 트럭-드론 시스템 적용 시 추가적인 제약 조건 고려 필요
•
다양한 TSP-D 인스턴스에 대한 일반화 성능 평가 필요
👍
Made with Slashpage