Neural Deconstruction Search for Vehicle Routing Problems

要約

自己回帰構築アプローチは、車両ルートの問題に対する解決策を段階的に生成し、手作りのオペレーション リサーチ技術によって達成されるパフォーマンスに近い高品質のソリューションを導き出します。
この研究では、逐次ソリューション構築の従来のパラダイムに挑戦し、代わりにニューラル ポリシーによってソリューションが分解される反復検索フレームワークを導入します。
検索全体を通じて、ニューラル ポリシーは単純な貪欲挿入アルゴリズムと連携して、分解されたソリューションを再構築します。
私たちのアプローチは、さまざまな問題サイズの 3 つの困難な配車ルート問題にわたって、最先端のオペレーション リサーチ手法のパフォーマンスを上回っています。

要約(オリジナル)

Autoregressive construction approaches generate solutions to vehicle routing problems in a step-by-step fashion, leading to high-quality solutions that are nearing the performance achieved by handcrafted, operations research techniques. In this work, we challenge the conventional paradigm of sequential solution construction and introduce an iterative search framework where solutions are instead deconstructed by a neural policy. Throughout the search, the neural policy collaborates with a simple greedy insertion algorithm to rebuild the deconstructed solutions. Our approach surpasses the performance of state-of-the-art operations research methods across three challenging vehicle routing problems of various problem sizes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google