用于车辆路径规划的行为固化终身学习

近期的神经求解器在学习求解路径规划问题上展现出了良好的性能。然而，现有研究主要基于对一个或一组预定义的问题分布和规模（即任务）的一次性训练。当新任务出现时，它们通常依赖于零样本泛化（由于新任务与训练任务之间的差异，其效果可能不佳），或者在新任务上微调预训练的求解器（这可能导致对先前任务所获知识的灾难性遗忘）。本文探索了一种针对神经VRP求解器的新型终身学习范式，其中具有不同分布和规模的多个任务随时间顺序出现。求解器需要有效且高效地学习求解新任务，同时保持其在先前学习任务上的性能。因此，提出了一种名为带有行为固化的终身学习路由器（LLR-BC）的新框架。LLR-BC通过以寻求决策的方式，将新任务上训练的求解器行为与缓冲的行为对齐，从而有效地固化先验知识。为了鼓励更多地关注关键经验，LLR-BC为置信度较低的决策分配更大的固化权重。在带容量车辆路径问题和旅行商问题上的大量实验表明，LLR-BC在终身学习设置下训练高性能神经求解器方面是有效的，能够解决灾难性遗忘问题，保持其可塑性，并提高零样本泛化能力。