SHIELD：基于稀疏性与层次性的多任务多分布车辆路径求解器
人工智能
2025-06-12 v2
摘要
近期发展表明，面向路由问题的基础模型展现出了各种 VRP 变体统一深度模型的巨大潜力。然而，这些方法忽视了复杂真实世界客户分布。在本工作中，我们将多任务 VRP（MTVRP）设定扩展到更真实且具挑战性的多任务多分布 VRP（MTMDVRP）设定，引入 SHIELD—a 新型模型，利用稀疏性和层次性原则。基于更深的解码器架构，我们首先采用 Mixture-of-Depths（MoD）技术以实现稀疏化。这既提高了效率和泛化能力，又通过动态选择每个解码器层要使用或跳过的节点，为学习任务/分布特定和共享表示的自适应分配计算资源提供了必要能力。我们还开发了基于上下文的聚类层，利用问题中存在的层次结构以产生更好的局部表示。这两种设计归谓地偏向网络识别跨任务和分布共享的关键特征，从而在 unseen 任务上的泛化能力显著提升。我们的实验结果表明，在 9 个真实世界地图上（每个地图包含 16 种 VRP 变体）的测试中，SHIELD 的方法优于现有方法。
引用
@article{arxiv.2506.08424,
title = {SHIELD: Multi-task Multi-distribution Vehicle Routing Solver with Sparsity and Hierarchy},
author = {Yong Liang Goh and Zhiguang Cao and Yining Ma and Jianan Zhou and Mohammed Haroon Dupty and Wee Sun Lee},
journal= {arXiv preprint arXiv:2506.08424},
year = {2025}
}
备注
Accepted in the 42nd International Conference of Machine Learning (ICML)