公开(公告)号：CN114330867A

公开(公告)日：2022-04-12

申请号：CN202111609467.2

申请日：2021-12-24

Applicant: 江南大学

Inventor： 方伟 ,  接中冰 ,  陆恒杨 ,  孙俊 ,  吴小俊

IPC: G06Q10/04 ,  G06N3/08 ,  G06Q10/08

Abstract: 本发明公开了一种基于覆盖旅行商问题求解的路径规划方法，属于人工智能的强化学习、深度学习和组合优化领域。所述方法通过利用深度神经网络自动挖掘实例特征的特点提出了新的模型来求解CSP问题，解决了传统方法需要过多的领域知识进行求解的缺点，并极大地提高了求解速度。针对现有深度神经网络求解质量低的问题，采用了数据增强的方式扩充样本数量，利用多起点技术多次求解减少了预测误差，并提出了针对CSP问题的Mask策略对解的构造进行约束。结合简单局部搜索算法进行改进，进一步地提高了求解质量。与现有的DNN求解方法相比显著缩小了最优间隙，与启发式算法相比取得了超过20倍的速度提升，更适合在实时性要求高的场景中使用。

公开(公告)号：CN117172394B

公开(公告)日：2024-05-03

申请号：CN202310967878.1

申请日：2023-08-03

Applicant: 江南大学

Inventor： 方伟 ,  接中冰 ,  陆恒杨 ,  朱书伟 ,  孙俊 ,  吴小俊

IPC: G06Q10/047 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于覆盖旅行商问题求解的急救队路径规划方法，属于人工智能的强化学习和组合优化领域。本发明通过设计覆盖注意力模块对顶点间覆盖关系建模，并动态地将顶点被访问的信息传递至覆盖集中的其他顶点，高效地捕获问题特征和时序特征；为了提高模型对于对称不变性的学习并增强构造解的能力，提出了基于实例增强的改进基线用于REINFORCE算法，无需引入额外的评论家网络，并且具备显存占用少，运算速度快的优势。实验结果表明，本发明在求解质量上相较现有DRL方法均有明显优势，在不同覆盖类型、不同数据分布的实验中也展现了极强的泛化能力，部分实例的求解质量甚至超越了传统启发式算法，并保持着数十倍的求解速度优势。

公开(公告)号：CN117172394A

公开(公告)日：2023-12-05

申请号：CN202310967878.1

申请日：2023-08-03

Applicant: 江南大学

Inventor： 方伟 ,  接中冰 ,  陆恒杨 ,  朱书伟 ,  孙俊 ,  吴小俊

IPC: G06Q10/047 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于覆盖旅行商问题求解的急救队路径规划方法，属于人工智能的强化学习和组合优化领域。本发明通过设计覆盖注意力模块对顶点间覆盖关系建模，并动态地将顶点被访问的信息传递至覆盖集中的其他顶点，高效地捕获问题特征和时序特征；为了提高模型对于对称不变性的学习并增强构造解的能力，提出了基于实例增强的改进基线用于REINFORCE算法，无需引入额外的评论家网络，并且具备显存占用少，运算速度快的优势。实验结果表明，本发明在求解质量上相较现有DRL方法均有明显优势，在不同覆盖类型、不同数据分布的实验中也展现了极强的泛化能力，部分实例的求解质量甚至超越了传统启发式算法，并保持着数十倍的求解速度优势。