学习旅游：面向提货-递送旅行商问题的可行解映射算子设计
人工智能
2024-04-18 v1
摘要
本文旨在开发一种用于解决特定类型的旅行商问题 (TSP) 的学习方法，即提货-递送旅行商问题 (PDTSP)，该问题寻找沿一序列的单向提货-递送节点构成的最短路径。所谓单向指的是运输的人员或货物与指定的提货节点和递送节点配对，而非可以递送到任意节点的无区别货物。在 PDTSP 中，需要满足的约束是每个提货节点必须在其对应的递送节点之前被访问。经典的运筹学 (OR) 算法难以应用于大规模问题。最近，强化学习 (RL) 被应用于 TSP，其基本思想是在解的搜索空间中探索和评估访问序列。然而，这种方法可能计算效率较低，因为需要评估大量违反优先约束的不可行解。为了将解的搜索限制在可行空间内，我们利用始终将一个可行解映射到另一个可行解的算子，以避免花费时间探索不可行解空间。将这些算子评估和选取作为 RL 框架中的策略，以解决 PDTSP。我们对比了本方法与基线，包括经典 OR 算法和现有学习方法。结果表明，我们的方法能找到比基线更短的路径。
引用
@article{arxiv.2404.11458,
title = {Learn to Tour: Operator Design For Solution Feasibility Mapping in Pickup-and-delivery Traveling Salesman Problem},
author = {Bowen Fang and Xu Chen and Xuan Di},
journal= {arXiv preprint arXiv:2404.11458},
year = {2024}
}