Equity-Transformer: 以公平性上下文作为序列生成求解 NP 难极小极大路由问题

极小极大路由问题旨在通过多个智能体协作执行任务来最小化各智能体间的最大巡回长度。此类问题包含具有重大现实影响的应用,但已知为 NP 难。现有方法面临挑战,尤其在需协调众多智能体覆盖数千城市的大规模问题中。本文提出 Equity-Transformer 以求解大规模极小极大路由问题。首先,我们采用序列规划方法处理极小极大路由问题,从而得以利用强大的序列生成器(如 Transformer)。其次,我们提出关键的归纳偏置以确保智能体间公平的工作负载分配。Equity-Transformer 的有效性通过其在两个代表性极小极大路由任务中的优越性能得以证明:极小极大多智能体旅行商问题(min-max mTSP)与极小极大多智能体取送货问题(min-max mPDP)。值得注意的是,在 100 辆车、1000 个城市的 mTSP 情形下,相较具竞争力的启发式算法(LKH3),我们的方法实现了约 335 倍的运行时间缩减与约 53% 的代价值降低。我们提供可复现源代码:\url{https://github.com/kaist-silab/equity-transformer}。