Reinforcement Learning With Multiple Relational Attention for Solving Vehicle Routing Problems

定向运动 强化学习 计算机科学 嵌入 旅行商问题 背景(考古学) 规范化(社会学) 机器学习 节点(物理) 自适应路由 车辆路径问题 人工智能 布线(电子设计自动化) 数学优化 数学 算法 链路状态路由协议 路由协议 计算机网络 生物 工程类 社会学 古生物学 结构工程 人类学
作者
Yunqiu Xu,Meng Fang,Ling Chen,Gangyan Xu,Yali Du,Chengqi Zhang
出处
期刊:IEEE transactions on cybernetics [Institute of Electrical and Electronics Engineers]
卷期号:52 (10): 11107-11120 被引量:47
标识
DOI:10.1109/tcyb.2021.3089179
摘要

In this article, we study the reinforcement learning (RL) for vehicle routing problems (VRPs). Recent works have shown that attention-based RL models outperform recurrent neural network-based methods on these problems in terms of both effectiveness and efficiency. However, existing RL models simply aggregate node embeddings to generate the context embedding without taking into account the dynamic network structures, making them incapable of modeling the state transition and action selection dynamics. In this work, we develop a new attention-based RL model that provides enhanced node embeddings via batch normalization reordering and gate aggregation, as well as dynamic-aware context embedding through an attentive aggregation module on multiple relational structures. We conduct experiments on five types of VRPs: 1) travelling salesman problem (TSP); 2) capacitated VRP (CVRP); 3) split delivery VRP (SDVRP); 4) orienteering problem (OP); and 5) prize collecting TSP (PCTSP). The results show that our model not only outperforms the learning-based baselines but also solves the problems much faster than the traditional baselines. In addition, our model shows improved generalizability when being evaluated in large-scale problems, as well as problems with different data distributions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
l2023完成签到,获得积分10
刚刚
1秒前
2秒前
mengyijie2发布了新的文献求助10
4秒前
7秒前
shihx发布了新的文献求助10
7秒前
言裕87完成签到 ,获得积分10
10秒前
善学以致用应助敖启航采纳,获得10
10秒前
慕青应助小杰杰采纳,获得10
11秒前
11秒前
14秒前
lignin发布了新的文献求助10
15秒前
宁静致远完成签到,获得积分10
18秒前
19秒前
PLT完成签到,获得积分10
21秒前
阔达不凡完成签到,获得积分10
22秒前
蒋蒋发布了新的文献求助10
23秒前
26秒前
28秒前
赘婿应助whuhustwit采纳,获得10
29秒前
几时有发布了新的文献求助10
29秒前
南浔完成签到,获得积分10
29秒前
五六七完成签到 ,获得积分10
31秒前
小富婆发布了新的文献求助10
35秒前
36秒前
37秒前
充电宝应助牟白容采纳,获得10
38秒前
38秒前
领导范儿应助经法采纳,获得10
38秒前
情怀应助cheerfulsmurfs采纳,获得10
40秒前
41秒前
雪白彩虹发布了新的文献求助10
43秒前
星辰大海应助明钟达采纳,获得10
43秒前
suodeheng完成签到,获得积分10
44秒前
小富婆发布了新的文献求助10
44秒前
45秒前
yiyi完成签到 ,获得积分10
46秒前
张浩威完成签到,获得积分10
46秒前
HuaqingLiu应助小富婆采纳,获得20
49秒前
ttt完成签到,获得积分10
50秒前
高分求助中
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
Ethnicities: Media, Health, and Coping 700
Development of a new synthetic process for the synthesis of (S)-methadone and (S)- and (R)-isomethadone as NMDA receptor antagonists for the treatment of depression 500
A Dissection Guide & Atlas to the Rabbit 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3089196
求助须知:如何正确求助?哪些是违规求助? 2741308
关于积分的说明 7564396
捐赠科研通 2391558
什么是DOI,文献DOI怎么找? 1268308
科研通“疑难数据库(出版商)”最低求助积分说明 614044
版权声明 598684