Resumen: Los avances recientes hacia los modelos de base para los problemas de enrutamiento han mostrado un gran potencial de un modelo profundo unificado para varias variantes VRP. Sin embargo, pasan por alto las complejas distribuciones de clientes del mundo real. En este trabajo, avanzamos la configuración de VRP de tareas múltiples (MTVRP) a la configuración de VRP de distribución múltiple más realista pero desafiante de múltiples tareas (MTMDVRP) e introduce escudo, un modelo novedoso que aprovecha los principios de escasez y jerarquía. Sobre la base de una arquitectura de decodificador más profunda, primero incorporamos la técnica de mezcla de profundidad (mod) para hacer cumplir la escasez. Esto mejora tanto la eficiencia como la generalización al permitir que el modelo seleccione dinámicamente nodos para usar o omitir cada capa de decodificador, proporcionando la capacidad necesaria para asignar el cálculo de forma adaptativa para aprender la tarea/distribución representaciones específicas y compartidas. También desarrollamos una capa de agrupación basada en el contexto que explota la presencia de estructuras jerárquicas en los problemas para producir mejores representaciones locales. Estos dos diseños sesgan inductivamente a la red para identificar características clave que son comunes en todas las tareas y distribuciones, lo que lleva a una generalización significativamente mejorada en las invisibles. Nuestros resultados empíricos demuestran la superioridad de nuestro enfoque sobre los métodos existentes en 9 mapas del mundo real con 16 variantes VRP cada una.
Publicado Originalme en rss.arxiv.org El 10 de junio de 2025.
Ver Fuente Original
