基于神经构造启发式的大邻域搜索
机器学习
2022-05-11 v2 人工智能
摘要
我们提出了一种大邻域搜索（LNS）方法，利用基于神经网络的学习型构造启发式作为修复算子来求解带时间窗的车辆路径问题（VRPTW）。我们的方法使用图神经网络对问题进行编码并自回归地解码出解，并在构造任务上通过强化学习进行训练，无需任何标签进行监督。该神经修复算子与局部搜索例程、启发式破坏算子以及应用于小规模种群的选择过程相结合，从而构成一种精细的求解方法。其核心思想是使用学习到的模型重新构造被部分破坏的解，并通过破坏启发式（或随机策略本身）引入随机性，以有效探索大邻域。
引用
@article{arxiv.2205.00772,
title = {Large Neighborhood Search based on Neural Construction Heuristics},
author = {Jonas K. Falkner and Daniela Thyssens and Lars Schmidt-Thieme},
journal= {arXiv preprint arXiv:2205.00772},
year = {2022}
}