混合平衡 GFlowNet：用于求解车辆路径问题
人工智能
2025-10-07 v1
摘要
现有的基于 GFlowNet 的车辆路径问题 (VRP) 方法通常采用轨迹平衡 (TB) 以实现全局优化，但常常忽视了局部优化的重要方面。虽然详细平衡 (DB) 更有效地处理局部优化，但单独使用 DB 在解决 VRP 问题方面仍不足，因为 VRP 本质上需要整体轨迹优化。为解决这些限制，我们引入了混合平衡 GFlowNet (HBG) 框架，该框架独特地以原则且自适应的方式将 TB 和 DB 集成在一起，利用其内在的互补优势。此外，我们提出了一种针对 depot 中心场景的专门推理策略，如受限车辆路径问题 (CVRP)，利用 depot 节点在选择后继节点方面的更大灵活性。尽管具有这种专业化，HBG 仍具备广泛适用性，能够有效扩展到不包含显式 depot 的问题，如旅行商问题 (TSP)。我们通过将 HBG 集成到两个既有的 GFlowNet 求解器中进行评估，即 AGFN 和 GFACS，结果在 CVRP 和 TSP 两者上均实现了一致且显著的改进，凸显了该方法在增强解决方案质量和泛化能力方面的优势。
引用
@article{arxiv.2510.04792,
title = {Hybrid-Balance GFlowNet for Solving Vehicle Routing Problems},
author = {Ni Zhang and Zhiguang Cao},
journal= {arXiv preprint arXiv:2510.04792},
year = {2025}
}
备注
Accepted by NeurIPS 2025