通过深度强化学习求解带优先约束旅行商问题
机器学习
2022-09-20 v2 最优化与控制
摘要
本工作通过深度强化学习(DRL)适配近期对常规TSP表现良好的方法,给出带优先约束旅行商问题(TSPPC)的求解方案。这些方法共同之处在于使用基于多头注意力(MHA)层的图模型。解决取送货问题(PDP)的一个思路是使用异质注意力来嵌入每个节点可能承担的不同角色。本工作中,我们将这种异质注意力概念推广至TSPPC。此外,我们适配近期为更好可扩展性而稀疏化注意力的思路。总体而言,我们通过应用与评估近期DRL方法求解TSPPC,为研究界做出贡献。
引用
@article{arxiv.2207.01443,
title = {Solving the Traveling Salesperson Problem with Precedence Constraints by Deep Reinforcement Learning},
author = {Christian Löwens and Inaam Ashraf and Alexander Gembus and Genesis Cuizon and Jonas K. Falkner and Lars Schmidt-Thieme},
journal= {arXiv preprint arXiv:2207.01443},
year = {2022}
}
备注
This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution is published in KI 2022: Advances in Artificial Intelligence, and is available online at https://doi.org/10.1007/978-3-031-15791-2_14