面向取送货问题的高效神经邻域搜索
机器学习
2022-10-10 v3 人工智能
摘要
我们提出了一种面向取送货问题（PDPs）的高效神经邻域搜索（N2S）方法。具体而言，我们设计了一种强大的合成注意力（Synthesis Attention），使原始的自注意力能够综合关于路径解的各种类型特征。我们还利用两个定制解码器，自动学习对取送货节点对执行移除与重插入以处理优先约束。此外，采用一种多样性增强方案来进一步改善性能。我们的 N2S 具有通用性，在两个典型 PDP 变体上的大量实验表明，它能在现有神经方法中产生最先进（state-of-the-art）的结果。而且，在约束更强的 PDP 变体上，它甚至超越了著名的 LKH3 求解器。我们的 N2S 实现已在线公开。
引用
@article{arxiv.2204.11399,
title = {Efficient Neural Neighborhood Search for Pickup and Delivery Problems},
author = {Yining Ma and Jingwen Li and Zhiguang Cao and Wen Song and Hongliang Guo and Yuejiao Gong and Yeow Meng Chee},
journal= {arXiv preprint arXiv:2204.11399},
year = {2022}
}
备注
Accepted at IJCAI 2022 (short oral)