SmartPathfinder：利用强化学习突破带无人机车辆路径问题启发式解法的极限
计算机与社会
2024-04-23 v1 机器学习
摘要
带无人机的车辆路径问题（VRPD）旨在优化卡车和无人机的路径，其中卡车负责将包裹运送至客户位置，无人机从这些卡车中派出进行包裹投递，随后由卡车回收。鉴于 VRPD 的 NP-Hard 复杂性，已有众多启发式方法被提出。然而，提高解的质量和减少计算时间仍然是重大挑战。在本文中，我们对为求解 VRPD 设计的启发式方法进行了全面检验，将其提炼并标准化为核心要素。随后，我们开发了一个与启发式求解组件无缝集成的新型强化学习（RL）框架，建立了一套将 RL 框架与启发式策略相结合的通用原则，旨在同时提高解的质量和计算速度。该集成方法被应用于 VRPD 的最先进启发式求解方案中，展示了引入 RL 框架的巨大优势。我们的评估结果表明，结合了我们的 RL 框架的启发式求解方案不仅提高了解的质量，还实现了快速的计算速度，特别是在处理大量客户位置时。
引用
@article{arxiv.2404.13068,
title = {SmartPathfinder: Pushing the Limits of Heuristic Solutions for Vehicle Routing Problem with Drones Using Reinforcement Learning},
author = {Navid Mohammad Imran and Myounggyu Won},
journal= {arXiv preprint arXiv:2404.13068},
year = {2024}
}