层次化有向弧路由问题中强化学习与启发式方法的混合
机器学习
2025-01-03 v1
摘要
层次化有向容量弧路由问题(Hierarchical Directed Capacitated Arc Routing Problem, HDCARP)是容量弧路由问题(CAPPP)的扩展，其中图的弧按其优先级分为多个类别。这些类别的遍历由前导约束或层次化目标决定，导致两种不同的 HDCARP 变体。据我们所知，仅提出了一个用于这些变体的 matheuristic，但其计算速度相对较慢，尤其是针对大规模实例。本文中，我们提出了一种快速启发式方法，高效地解决 HDCARP 的计算挑战。此外，我们将强化学习(Reinforcement Learning, RL)纳入启发式方法中，以有效指导局部搜索算子的选择，形成一种混合算法。我们将该混合算法称为层次化有向弧路由的混合强化学习与启发式算法(Hybrid Reinforcement Learning and Heuristic Algorithm for Directed Arc Routing, HRDA)。该混合算法能够动态适应问题的变化，通过整合启发式方法利用实时反馈来改进路由策略和解的质量。广泛的计算实验表明，这种混合方法显著提高了启发式方法的速度，而不会损害解的质量。我们的源代码已公开 available at: https://github.com/HySonLab/ArcRoute
引用
@article{arxiv.2501.00852,
title = {Hybridising Reinforcement Learning and Heuristics for Hierarchical Directed Arc Routing Problems},
author = {Van Quang Nguyen and Quoc Chuong Nguyen and Thu Huong Dang and Truong-Son Hy},
journal= {arXiv preprint arXiv:2501.00852},
year = {2025}
}