路由学习：近期发展综述与未来方向
人工智能
2025-10-09 v1 最优化与控制
摘要
本文综述了当前在机器学习（ML）工具中应用于解决 NP 难组合优化问题的进展，重点关注诸如旅行商问题（TSP）和车辆路径问题（VRP）等路由问题。由于这些问题的内在复杂性，精确算法往往需要耗时的计算才能找到最优解，而启发式方法只能提供近似解且无法保证最优性。随着机器学习模型的最新进展，越来越多的研究者提出并实现了多样化的 ML 技术，以提升解决这些具有挑战性路由问题的能力。我们提出了一种生态学，将基于 ML 的路由方法分为基于构造和基于改进 two 种方法，突出显示其针对各种问题特征的适用性。本综述旨在将传统的运筹学方法与最新 ML 技术相结合，提供一个结构化框架，以指导未来研究并解决新出现的 VRP 变体。
引用
@article{arxiv.2507.00218,
title = {Learning for routing: A guided review of recent developments and future directions},
author = {Fangting Zhou and Attila Lischka and Balazs Kulcsar and Jiaming Wu and Morteza Haghir Chehreghani and Gilbert Laporte},
journal= {arXiv preprint arXiv:2507.00218},
year = {2025}
}
备注
Accepted for publication in Transportation Research Part E: Logistics and Transportation Review