SPACE：统一对称与非对称路径规划问题的通用神经求解器
人工智能
2026-05-26 v1 机器学习
摘要
通用神经路径规划求解器在利用统一模型解决多样化车辆路径问题方面展现出巨大潜力。然而，现有求解器通常局限于对称设置，或者在切换到非对称设置时因输入不一致或固有的结构差异而导致性能下降，这极大地限制了它们在同时涵盖两种场景的现实世界应用中的实用性。为解决这一局限性，我们基于节点到一组特定枢轴的相对距离来定义每个节点的空间位置，并进一步提出一个空间枢轴对齐的无坐标嵌入框架，该框架统一了对称和非对称 VRP 中的节点表示与解生成。具体而言，我们利用一种新颖的最远枢轴采样策略构建了双向 Fréchet 表示，以实现跨不同问题设置的不变节点表示。此外，我们引入了一种权重分解的自适应解码机制，将几何感知与问题表示解耦，从而减轻约束决策对特定几何设置的过拟合。在包含 55 个对称问题及其非对称对应问题的 110 个 VRP 变体上的大量实验表明，SPACE 在对称和非对称 VRP 中均取得了出色的零样本泛化能力。
引用
@article{arxiv.2605.24484,
title = {SPACE: Unifying Symmetric and Asymmetric Routing Problems for Generalist Neural Solver},
author = {Rongsheng Chen and Changliang Zhou and Canhong Yu and Yuanyao Chen and Yu Zhou and Zhuo Chen and Zhenkun Wang},
journal= {arXiv preprint arXiv:2605.24484},
year = {2026}
}