VRP-TSP系列论文4
前置知识多目标优化问题（Multiobjective Optimization Problems）对于大多数多目标优化问题，其各个目标往往是相互冲突的，因此不可能使得所有的目标同时达到最优，而是一组各个目标值所折衷的解集，称之为Pareto最优集。以下为一些基本定义(以最小化优化问题为例)：分解方法解决MOP在许多多目标优化的实际应用中，决策者需要近似PF来选择最终的优选解。基于分解的方法是一类求
VRP-TSP系列论文3
Learning to Solve Multiple-TSP with Time Window and Rejections via Deep Reinforcement Learning《通过深度强化学习学习解决带有时间窗和拒绝的多 TSP》IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS期刊 中科院1区 JCR1区zcaicaros
VRP-TSP系列论文2
LEARNING A LATENT SEARCH SPACE FOR ROUTING PROBLEMS USING VARIATIONAL AUTOENCODERSICLR 2021解决问题：TSP、CVRP前置知识：VAE、CVAEVAE (Variational Auto Encoder)目标：生成服从P(x)分布的数据，训练集：x~P(x)推断网络把x编码到隐空间中的隐变量Z，生成网络把隐空
VRP-TSP系列论文1
LEARNING TO CROSS EXCHANGE TO SOLVE MIN-MAX VEHICLE ROUTING PROBLEICLR 2023问题min-max FMDVRPFMDVRPFMDVRP: 多个车辆和多个站点，允许车辆返回任何站点，而不管它们的起始站点。诸多问题可以看作它的特例：TSP 是具有单个车辆和站点的 VRPmTSP 是具有多个车辆和单个站点的 VRPMDVRP 是具有
Simulation-guided Beam Search for Neural Combinatorial Optimization
Choo J, Kwon Y D, Kim J, et al. Simulation-guided Beam Search for Neural Combinatorial Optimization[C]//Advances in Neural Information Processing Systems.摘要==提出了新的波束搜索方法 SGBS，将 MCTS 与波束搜索相结合====提供了一种使