Neural Networks for Vehicle Routing Problem

要約

車両ルートの問題は、特定の場所の顧客のニーズを満たすために車両のルートを最適化することです。
ルート グラフは、複数のレベルの拠点と顧客の位置で構成されます。
長年にわたっていくつかの最適化手法が開発されてきましたが、そのほとんどは、遺伝的アルゴリズム、シミュレーテッド アニーリング、タブー検索、アリのコロニー最適化、ホタル アルゴリズムなど、ある種の古典的なヒューリスティックに基づいています。
機械学習の最近の開発により、複雑な問題に取り組むための新しいツールセット、つまりニューラル ネットワークの豊富なファミリーが提供されています。
ニューラル ネットワークの主な応用分野は、分類と回帰の分野です。
ルートの最適化は、ニューラル ネットワークの新たな課題とみなすことができます。
この記事では、まずニューラル ネットワーク ツールの適用性の分析を示し、次に新しいグラフィカル ニューラル ネットワーク モデルを詳細に示します。
テスト実験に基づく効率分析により、提案された NN アーキテクチャの適用可能性が示されています。

要約(オリジナル)

The Vehicle Routing Problem is about optimizing the routes of vehicles to meet the needs of customers at specific locations. The route graph consists of depots on several levels and customer positions. Several optimization methods have been developed over the years, most of which are based on some type of classic heuristic: genetic algorithm, simulated annealing, tabu search, ant colony optimization, firefly algorithm. Recent developments in machine learning provide a new toolset, the rich family of neural networks, for tackling complex problems. The main area of application of neural networks is the area of classification and regression. Route optimization can be viewed as a new challenge for neural networks. The article first presents an analysis of the applicability of neural network tools, then a novel graphical neural network model is presented in detail. The efficiency analysis based on test experiments shows the applicability of the proposed NN architecture.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google