-
题名基于强化学习的旅行商问题解构造方法
被引量：4
- 1
-
-
作者
王若愚
陈勇全
-
机构
深圳供电局有限公司输电规划科
香港中文大学(深圳)机器人与智能制造研究院
深圳市人工智能与机器人研究院无人系统研究中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第11期293-300,共8页
-
基金
国家自然科学基金(U1613216)
深圳市基础研究项目(JCYJ20180508162406177)
住房和城乡建设部软科学研究项目(2018-K8-034)。
-
文摘
基于迭代局部搜索(ILS)的启发式算法是目前最为先进的旅行商问题求解算法,在多数国际公开算例上保持着世界最优纪录。解构造方法是影响ILS性能的重要因素,为此,提出4种不同的解构造方法。解构造方法1为基准算法,其仅利用城市间的距离等静态结构信息来构造初始解,解构造方法2~解构造方法4则尝试利用搜索过程中积累的历史数据,通过强化学习挖掘有用信息,用于引导解的构造过程。在25个国际公开算例上的测试结果表明,基于历史信息的强化学习方法可有效优化构造解的质量,提升ILS整体性能。
-
关键词
旅行商问题
迭代局部搜索
解构造
强化学习
过滤网络
-
Keywords
Traveling Salesman Problem(TSP)
Iterated Local Search(ILS)
solution construction
reinforcement learning
filter network
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
