RP-DQN：Q-Learning 在车辆路径问题中的应用
机器学习
2021-04-27 v1
摘要
在本文中，我们提出一种处理复杂路径问题的新方法，其采用改进的状态表示，比以往方法更好地利用了模型复杂度。我们通过时序差分训练来实现这一点。具体地，采用了 Q-Learning。我们表明，对于按顺序插入节点以构建解的自回归策略，我们的方法在 CVRP 上达到了最先进的性能。此外，我们首次用机器学习方法处理 MDVRP，并展示该问题类型相较其他 ML 方法从我们的方法中获益良多。
引用
@article{arxiv.2104.12226,
title = {RP-DQN: An application of Q-Learning to Vehicle Routing Problems},
author = {Ahmad Bdeir and Simon Boeder and Tim Dernedde and Kirill Tkachuk and Jonas K. Falkner and Lars Schmidt-Thieme},
journal= {arXiv preprint arXiv:2104.12226},
year = {2021}
}
备注
14 pages, 4 figures