基于深度强化学习的异质车队路径规划
神经与进化计算
2019-12-10 v1
摘要
受深度强化学习(DRL)在协作多智能体系统中应用所取得的有前景进展的启发，我们提出了一种模型与学习流程，用于求解具有固定车队规模的容量约束多车辆路径问题(CMVRP)。我们的学习流程遵循集中训练与分散执行的范式。我们对模型进行了实证测试，并展示了其通过协作动作生成近最优解的能力。在大规模算例中，我们的模型所生成的解优于其他常用启发式方法。此外，我们的模型能够求解任意 CMVRP 算例而无需重新训练。
引用
@article{arxiv.1912.03341,
title = {Deep Reinforcement Learning for Routing a Heterogeneous Fleet of Vehicles},
author = {Jose Manuel Vera and Andres G. Abad},
journal= {arXiv preprint arXiv:1912.03341},
year = {2019}
}
备注
6th Latin American Conference on Computational Intelligence