单一模型以循环条件查询学习打包数千物品
人工智能
2021-11-15 v1 机器学习
神经与进化计算
摘要
近期研究表明，神经组合优化（NCO）在许多组合优化问题（如路径规划）上优于传统算法，但对于涉及相互 conditioned 动作空间的更复杂优化任务（如打包）则效率较低。在本文中，我们提出一种循环条件查询学习（RCQL）方法来求解 2D 与 3D 打包问题。我们首先通过循环编码器嵌入状态，然后采用带有来自先前动作的条件查询的注意力机制。条件查询机制填补了学习步骤之间的信息鸿沟，将问题塑造为马尔可夫决策过程。得益于循环结构，单一 RCQL 模型能够处理不同规模的打包问题。实验结果表明，RCQL 能有效学习用于离线与在线条带打包问题（SPPs）的强启发式策略，在空间利用率上优于广泛基线。与最先进方法相比，RCQL 在离线 2D 40 箱案例中平均箱间隙比降低 1.83%，在 3D 案例中降低 7.84%。同时，对于含 1000 物品的 SPPs，我们的方法空间利用率也比最先进水平高 5.64%。
引用
@article{arxiv.2111.06726,
title = {One model Packs Thousands of Items with Recurrent Conditional Query Learning},
author = {Dongda Li and Zhaoquan Gu and Yuexuan Wang and Changwei Ren and Francis C. M. Lau},
journal= {arXiv preprint arXiv:2111.06726},
year = {2021}
}
备注
16 pages, 5 figures, 3 tables. Accepted to Knowledge-Based Systems, 2022