求解带时间窗车辆路径问题与取送货问题的深度学习注意力模型
人工智能
2023-01-11 v2 最优化与控制
摘要
法国国家铁路公司（SNCF）正尝试通过解决车辆路径问题来开发新型交通服务。尽管已有许多深度学习模型被用于高效解决车辆路径问题，但考虑时间相关约束仍具挑战。本文采用构造式迭代深度学习算法求解带时间窗的容量受限车辆路径问题（CVRPTW）和带时间窗的容量受限取送货问题（CPDPTW）。我们使用 Attention Encoder-Decoder 结构，并为 CPDPTW 的可行性检查设计了一种新型插入启发式算法。我们的模型在 CVRPTW 上取得了优于已知最佳学习方法的求解结果。我们展示了深度学习技术在求解 CPDPTW 方面的可行性，但也观察到所提迭代方法在计算复杂度上的局限性。
引用
@article{arxiv.2212.10399,
title = {A deep learning Attention model to solve the Vehicle Routing Problem and the Pick-up and Delivery Problem with Time Windows},
author = {Baptiste Rabecq and Rémy Chevrier},
journal= {arXiv preprint arXiv:2212.10399},
year = {2023}
}