面向现实世界 TSP 场景的分层神经构建求解器
原文中文,约500字,阅读约需2分钟。发表于: 。现有的用于路由问题的神经构造求解器主要采用变压器架构,将路由构建概念化为一个集合到序列学习任务。然而,它们的效力主要是在完全随机的问题实例上展示,无法充分捕捉到现实世界的场景。本文中,我们引入了与工业环境相关的实际旅行商问题(TSP)场景,并得出以下发现:(1)最佳下一个要访问的节点(或城市)通常接近于当前节点,这表明基于当前位置进行选择的潜在好处。(2)有效解决 TSP...
现有的神经网络求解器主要用于路由问题,但效果只在随机实例上展示。本文提出了一种层次化方法,通过考虑局部邻域和学习中间节点表示来解决实际旅行商问题。该方法相对于传统和变压器模型展现了卓越性能。