AAI News Hub
PolíticaTue, August 18, 2026·1d ago2 sources corroborating

Pesquisadores apresentam o TTP-D para roteirização com caminhões e drones

O novo benchmark combina seleção de itens, rotas dependentes da carga e sincronização de drones.

Por que importa

O trabalho acrescenta um benchmark de otimização mais realista para planejamento de IA em logística, em que roteirização, efeitos da carga e temporização de drones interagem. Também mostra um padrão prático para combinar políticas de construção aprendidas com refinamento por busca clássica.

Pontos-chave

  • 1.O TTP-D otimiza conjuntamente seleção, roteirização e sincronização de drones.
  • 2.Um MILP resolve instâncias pequenas até a otimalidade.
  • 3.Um solver híbrido inicializado por DRL reduz o custo computacional em relação a meta-heurísticas.

Um novo artigo apresenta o Travelling Thief Problem with Drone, ou TTP-D, voltado a operações de coleta em que um veículo terrestre fica mais lento à medida que acumula carga, enquanto um drone embarcado pode recolher itens em pontos mais afastados. Os autores formulam um programa linear inteiro misto para instâncias pequenas e desenvolvem meta-heurísticas, além de uma política de aprendizado por reforço profundo baseada em atenção para instâncias maiores. Eles também propõem um solver híbrido que usa a política aprendida para inicializar uma breve rodada de recozimento, recuperando a maior parte da qualidade da linha de base meta-heurística em dois conjuntos de benchmark com uma fração do orçamento computacional.

Experimente hoje

Leia o artigo antes de modelar fluxos de coleta com caminhões e drones quando o tempo de viagem dependente da carga for relevante.

Fontes e reportagens originais

Este resumo sintetiza e linka a cobertura dos veículos abaixo.

Gostou deste resumo? Receba o próximo no seu e-mail.

Mais em Política e segurança