RouteExplainer：车辆路径问题的解释框架

车辆路径问题 (VRP) 是一个被广泛研究的组合优化问题，并已应用于各种实际问题。虽然 VRP 的可解释性对于提高实际 VRP 应用中的可靠性和交互性至关重要，但尚未得到探索。在本文中，我们提出了 RouteExplainer，一种事后解释框架，用于解释生成路径中每条边的影响。我们的框架通过将路径重新构想为动作序列，并将基于动作影响模型的反事实解释扩展到 VRP 来实现这一目标。为了增强解释效果，我们额外提出了一种推断每条边意图的边分类器、用于训练该边分类器的损失函数，以及由大语言模型 (LLMs) 生成的解释文本。我们在四种不同的 VRP 上定量评估了我们的边分类器。结果表明，其在保持合理准确率的同时计算迅速，从而凸显了其在实际应用中部署的潜力。此外，针对旅游路线主题，我们对框架生成的解释进行了定性评估。该评估不仅验证了我们的框架，还展示了解释框架与 LLMs 之间的协同效应。有关我们的代码、数据集、模型和演示，请访问 https://ntt-dkiku.github.io/xai-vrp。