研究人员提出用于卡车与无人机路径规划的 TTP-D
这一新基准将物品选择、载重相关路径规划与无人机同步结合起来。
为什么重要
这项工作为物流场景中的 AI 规划提供了一个更贴近现实的优化基准，因为路径规划、载荷影响和无人机时序会相互作用。它也展示了一种实用范式：将学习型构造策略与经典搜索精修结合起来。
核心要点
- 1.TTP-D 联合优化选择、路径规划和无人机同步。
- 2.MILP 可对小规模实例求得最优解。
- 3.由 DRL 初始化的混合求解器相比元启发式方法降低了计算开销。
一篇新论文提出了带无人机的旅行窃贼问题（Travelling Thief Problem with Drone，TTP-D），面向采集作业场景：地面车辆会随着载荷增加而减速，车载无人机则可前往外围地点取回物品。作者为小规模实例构建了混合整数线性规划模型，并为更大规模问题开发了元启发式算法以及基于注意力机制的深度强化学习策略。他们还提出了一种混合求解器，用学习到的策略初始化一次较短的退火过程，在两个基准数据集上以较小的计算预算恢复了元启发式基线的大部分解质量。
⚡ 今天就能用
在建模载重相关行驶时间较重要的卡车与无人机采集工作流前，先阅读这篇论文。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
觉得这篇简报有用？下一篇直接送到你的邮箱。