检索结果-南通市图书馆

计算机应用研究 2024年

作者：葛斌田文智夏晨星秦望博安徽理工大学计算机科学与工程学院合肥综合性国家科学中心能源研究院

有能力约束的车辆路径问题(Capacitated Vehicle Routing Problem,CVRP)是现阶段供应链应用最常见的问题模型，现多采用启发式算法求解，但随着问题规模增大，启发式算法求解速度慢且无法保证解的质量。提出端到端深度强化学习(Deep Rei... 详细信息

有能力约束的车辆路径问题(Capacitated Vehicle Routing Problem,CVRP)是现阶段供应链应用最常见的问题模型，现多采用启发式算法求解，但随着问题规模增大，启发式算法求解速度慢且无法保证解的质量。提出端到端深度强化学习(Deep reinforcement Learning,DRL)网络框架对CVRP问题进行研究。首先利用边聚合图注意力网络编码器(Edge-Graph Attention Network Encoder,EGATE)对车辆路径规划问题的图表示进行特征嵌入编码；然后设计多头注意力解码器(Multi-head Attention Decoder,MAD)进行解码，并提出多解码策略以增加解的空间多样性；接着利用带回滚基线的基线reinforce算法对端到端网络模型进行训练，基线可自适应性更新以提升模型训练效果，并利用奖励函数归一化和Adam优化器对算法进行优化。最后通过对不同规模问题的实验以及与其他算法进行对比，验证了所提出端到端DRL框架的可行性与有效性，经过训练的模型在CVRPLIB公共数据集上的平均求解时间仅需0.189s即可得到较优解。

关键词：车辆路径问题路径规划端到端模型深度强化学习基线reinforce算法

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：