喵ID：kLlNUn免责声明

Reinforcement Learning With Multiple Relational Attention for Solving Vehicle Routing Problems

使用多重关系关注的强化学习解决车辆路径问题

基本信息

DOI：
10.1109/tcyb.2021.3089179
发表时间：
2021-07
期刊：
IEEE Transactions on Cybernetics
影响因子：
11.8
通讯作者：
Chengqi Zhang
中科院分区：
计算机科学1区
文献类型：
--
作者： Yunqiu Xu;Meng Fang;Ling Chen;Gangyan Xu;Yali Du;Chengqi Zhang研究方向： -- MeSH主题词： --
关键词： --
来源链接：pubmed详情页地址

文献摘要

In this article, we study the reinforcement learning (RL) for vehicle routing problems (VRPs). Recent works have shown that attention-based RL models outperform recurrent neural network-based methods on these problems in terms of both effectiveness and ef
在本文中，我们研究用于车辆路径问题（VRPs）的强化学习（RL）。近期的研究表明，基于注意力的强化学习模型在这些问题上，在有效性和效率两方面都优于基于循环神经网络的方法。
参考文献（94）
被引文献（37）
Simple Statistical Gradient-Following Algorithms for Connectionist Reinforcement Learning
DOI：
10.1023/a:1022672621406
发表时间：
2004
期刊：
Machine Learning
影响因子：
7.5
作者：
Ronald J. Williams
通讯作者：
Ronald J. Williams
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
DOI：
10.5555/3045118.3045167
发表时间：
2015-01-01
期刊：
Proceedings of Machine Learning Research
影响因子：
0
作者：
Ioffe, Sergey;Szegedy, Christian
通讯作者：
Szegedy, Christian
A reinforcement learning approach for optimizing multiple traveling salesman problems over graphs
一种通过图优化多个旅行商问题的强化学习方法
DOI：
10.1016/j.knosys.2020.106244
发表时间：
2020-09
期刊：
Elsevier
影响因子：
0
作者：
Yujiao Hu;Yao Yao;Wee Sun Lee
通讯作者：
Wee Sun Lee
Attention Is All You Need
DOI：
10.48550/arxiv.1706.03762
发表时间：
2017-01-01
期刊：
arXiv
影响因子：
0
作者：
Vaswani, A.;Shazeer, N.;Polosukhin, I.
通讯作者：
Polosukhin, I.
SOLUTION OF A LARGE-SCALE TRAVELING-SALESMAN PROBLEM
DOI：
10.1287/opre.2.4.393
发表时间：
1954-01-01
期刊：
JOURNAL OF THE OPERATIONS RESEARCH SOCIETY OF AMERICA
影响因子：
0
作者：
DANTZIG, G;FULKERSON, R;JOHNSON, S
通讯作者：
JOHNSON, S

数据更新时间：{{ references.updateTime }}

关联基金

数据驱动的城市应急救援弹性优化策略研究
批准号：
71804034
批准年份：
2018
资助金额：
18.5
项目类别：
青年科学基金项目
Chengqi Zhang
通讯地址:
--
所属机构:
--
电子邮件地址：
--
免责声明免责声明
1、猫眼课题宝专注于为科研工作者提供省时、高效的文献资源检索和预览服务；
2、网站中的文献信息均来自公开、合规、透明的互联网文献查询网站，可以通过页面中的“来源链接”跳转数据网站。
3、在猫眼课题宝点击“求助全文”按钮，发布文献应助需求时求助者需要支付50喵币作为应助成功后的答谢给应助者，发送到用助者账户中。若文献求助失败支付的50喵币将退还至求助者账户中。所支付的喵币仅作为答谢，而不是作为文献的“购买”费用，平台也不从中收取任何费用，
4、特别提醒用户通过求助获得的文献原文仅用户个人学习使用，不得用于商业用途，否则一切风险由用户本人承担；
5、本平台尊重知识产权，如果权利所有者认为平台内容侵犯了其合法权益，可以通过本平台提供的版权投诉渠道提出投诉。一经核实，我们将立即采取措施删除/下架/断链等措施。
我已知晓