TOP-Former:一种求解团队定向问题的多智能体 Transformer 方法
人工智能
2025-05-21 v4
摘要
车队路径规划在包裹递送、监视或运输等应用中是一项重要任务,常集成于更大的智能交通系统(ITS)中。该问题通常表述为称为团队定向问题(TOP)的车辆路径问题(VRP)。该问题的现有求解器主要依赖线性规划(提供精确解但计算时间随问题规模增长)或启发式方法(通常在更短时间内求得次优解)。本文中,我们引入 TOP-Former,一种专为高效且精确求解团队定向问题而设计的多智能体路径规划神经网络。所提算法基于一个集中式 Transformer 神经网络,能够学习编码场景(建模为图)并分析所有智能体的完整上下文,以给出快速、精确且协作的解。与其他采用更局部视角的基于神经网络的方法不同,TOP-Former 经训练以理解车队的全局态势并生成最大化长期期望回报的解。大量实验表明,所呈系统在精度与计算速度上均优于多数最先进方法。
引用
@article{arxiv.2311.18662,
title = {TOP-Former: A Multi-Agent Transformer Approach for the Team Orienteering Problem},
author = {Daniel Fuertes and Carlos R. del-Blanco and Fernando Jaureguizar and Narciso García},
journal= {arXiv preprint arXiv:2311.18662},
year = {2025}
}