基于强化学习的列生成问题求解：用于车辆路径问题
机器学习
2025-08-20 v2
摘要
本文使用强化学习（RL）方法解决列生成（Column Generation, CG）问题。具体而言，我们基于注意力机制架构的RL模型用于寻找定价问题（Pricing Problem, PP）中具有最负缩减成本的列。与以往的列生成应用不同，本方法采用端到端机制，独立求解定价问题，无需任何启发式方法。我们以车辆路径问题（Vehicle Routing Problem, VRP）的一种变体作为案例进行方法验证。通过一组实验，将本方法与基于动态规划（Dynamic Programming, DP）的启发式方法进行比较，结果表明，本方法在显著缩短运行时间的同时，能够在合理的目标间隙内求解线性松弛解。
引用
@article{arxiv.2504.02383,
title = {Reinforcement Learning for Solving the Pricing Problem in Column Generation: Applications to Vehicle Routing},
author = {Abdo Abouelrous and Laurens Bliek and Adriana F. Gabor and Yaoxin Wu and Yingqian Zhang},
journal= {arXiv preprint arXiv:2504.02383},
year = {2025}
}
备注
24 pages, 7 figures, 5 tables, Journal Submission