基于反向退火的多AGV路径行驶时间优化
人工智能
2022-04-26 v1 人机交互
机器学习
摘要
自D-Wave Systems于2011年推出首台商用机器以来，量子退火一直被积极研究。控制大量自动导引车是量子退火的实际应用之一。本研究提出一种控制行驶路径以最小化行驶时间的建模方法。我们通过在虚拟工厂中的仿真验证该建模，并确认其相比不考虑整体绕行距离贪婪算法在更快配送上的有效性。此外，我们利用反向退火以最大化D-Wave量子退火机的优势。从快速贪婪算法获得的较优解出发，反向退火在其附近搜索更优解。我们的反向退火方法相比单独标准量子退火提升了性能，并比强经典求解器Gurobi快至多10倍。本研究拓展了通用问题求解器优化在多AGV系统应用中的使用，并揭示了反向退火作为优化器的潜力。
引用
@article{arxiv.2204.11788,
title = {Human-AI Collaboration via Conditional Delegation: A Case Study of Content Moderation},
author = {Vivian Lai and Samuel Carton and Rajat Bhatnagar and Q. Vera Liao and Yunfeng Zhang and Chenhao Tan},
journal= {arXiv preprint arXiv:2204.11788},
year = {2022}
}
备注
18 pages, 44 figures