RouteFinder：面向车辆路径问题的通用基础模型
人工智能
2025-09-16 v4
摘要
本文介绍了 RouteFinder，这是一个综合性的车辆路径问题（VRP）基础模型框架，用于解决不同的 VRP 变体。我们的核心思想是，车辆路径问题的基础模型应能够通过将每个问题视为由不同属性构成的通用问题的子集来表示。我们提出了一种统一的 VRP 环境，能够高效处理任意属性的组合。RouteFinder 模型利用基于 Transformer 的编码器和全局属性嵌入来提高任务表示。此外，我们引入两种强化学习技术以提升多任务性能：混合批量训练，使能够一次性训练不同的变体；以及多变体奖励归一化，以平衡不同的奖励尺度。最后，我们提出了高效的适配器层，使能够针对具有未见属性的新变体进行微调。48 个 VRP 变体的广泛实验表明，RouteFinder 在性能上超过了最近的学习方法。我们的代码已公开于 https://github.com/ai4co/routefinder。
关键词
引用
@article{arxiv.2406.15007,
title = {RouteFinder: Towards Foundation Models for Vehicle Routing Problems},
author = {Federico Berto and Chuanbo Hua and Nayeli Gast Zepeda and André Hottung and Niels Wouda and Leon Lan and Junyoung Park and Kevin Tierney and Jinkyoo Park},
journal= {arXiv preprint arXiv:2406.15007},
year = {2025}
}
备注
TMLR 2025. A previous version of this work was presented as Oral at the ICML 2024 FM-Wild Workshop