Enhancing Large-scale UAV Route Planing with Global and Local Features via Reinforcement Graph Fusion

要約

無人航空機ルート プランニング (UAVRP) を解決するための精度、速度、並列処理において、数多くの顕著な進歩が見られました。
ただし、既存の UAVRP ソルバーは、大規模なインスタンスに合わせて効果的かつ効率的に拡張しようとすると課題に直面します。
このペーパーでは、広く認識されているテスト セットを使用して、現在の UAVRP ソルバーが最大 10,000 ポイントを収容できる大規模なインスタンスにその機能を堅牢に拡張できるようにする一般化フレームワークを紹介します。
多数の巡回ポイントの下での UAVRP は、典型的な大規模 TSP 問題です。私たちが提案するフレームワークは 3 つの異なるステップで構成されます。
まず、ドロネー三角形分割を使用して、グローバルな特徴を維持しながら大規模なインスタンスからサブグラフを抽出します。
次に、埋め込み TSP ソルバーを利用してサブ結果を取得し、その後グラフ融合を行います。
最後に、ユーザーの要件に合わせてカスタマイズ可能なデコード戦略を実装し、ヒートマップのウォームアップ プロセスによって補完された高品質のソリューションが得られます。
私たちのアプローチの柔軟性を実証するために、2 つの代表的な TSP ソルバーをフレームワークに統合し、大規模な TSP ベンチマーク データセットを使用して既存のアルゴリズムとの包括的な比較分析を実行します。
この結果は、私たちのフレームワークが既存の TSP ソルバーを効率的に拡張して大規模なインスタンスを処理し、一貫して最先端 (SOTA) メソッドを上回るパフォーマンスを示していることを明確に示しています。
さらに、私たちが提案したフレームワークは追加のトレーニングや微調整を必要としないため、その汎用性によりエンドツーエンドの UAVRP ソルバーの研究が大幅に前進し、より幅広い手法を現実世界のシナリオに適用できるようになると考えています。

要約(オリジナル)

Numerous remarkable advancements have been made in accuracy, speed, and parallelism for solving the Unmanned Aerial Vehicle Route Planing (UAVRP). However, existing UAVRP solvers face challenges when attempting to scale effectively and efficiently for larger instances. In this paper, we present a generalization framework that enables current UAVRP solvers to robustly extend their capabilities to larger instances, accommodating up to 10,000 points, using widely recognized test sets. The UAVRP under a large number of patrol points is a typical large-scale TSP problem.Our proposed framework comprises three distinct steps. Firstly, we employ Delaunay triangulation to extract subgraphs from large instances while preserving global features. Secondly, we utilize an embedded TSP solver to obtain sub-results, followed by graph fusion. Finally, we implement a decoding strategy customizable to the user’s requirements, resulting in high-quality solutions, complemented by a warming-up process for the heatmap. To demonstrate the flexibility of our approach, we integrate two representative TSP solvers into our framework and conduct a comprehensive comparative analysis against existing algorithms using large TSP benchmark datasets. The results unequivocally demonstrate that our framework efficiently scales existing TSP solvers to handle large instances and consistently outperforms state-of-the-art (SOTA) methods. Furthermore, since our proposed framework does not necessitate additional training or fine-tuning, we believe that its generality can significantly advance research on end-to-end UAVRP solvers, enabling the application of a broader range of methods to real-world scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google