距离感知注意力重塑：增强神经求解器对大规模车辆路径问题的泛化能力
人工智能
2024-01-17 v1 机器学习
摘要
基于注意力机制的神经求解器在解决车辆路径问题方面已展现出显著有效性。然而，在从小规模到大规模的泛化过程中，我们发现现有神经求解器存在注意力分数分散的现象，这导致性能不佳。为解决此问题，本文提出了一种距离感知注意力重塑方法，以辅助神经求解器解决大规模车辆路径问题。具体而言，无需额外训练，我们利用当前节点间的欧几里得距离信息来调整注意力分数。这使得在小规模实例上训练的神经求解器在解决大规模问题时能够做出合理选择。实验结果表明，所提出的方法在大规模 CVRPLib 数据集上显著优于现有的最先进神经求解器。
引用
@article{arxiv.2401.06979,
title = {Distance-aware Attention Reshaping: Enhance Generalization of Neural Solver for Large-scale Vehicle Routing Problems},
author = {Yang Wang and Ya-Hui Jia and Wei-Neng Chen and Yi Mei},
journal= {arXiv preprint arXiv:2401.06979},
year = {2024}
}