arXiv cs.AI· Peiheng Jian, Zhenwei Wang, Tiehua Zhang, Lei Zhang, Zhishu Shen, Ruibin Bai, Zhijun Ding·· 11 小时前AI 评分18
TRCM：面向鲁棒神经车辆路径规划的自适应拓扑路线一致性建模
TRCM: Topology-Aware Route-Consistency Modeling for Robust Neural Vehicle Routing
AI 导读
TRCM 通过复用自回归构造流程中的节点表示预测两两同路线概率，并将其作为路线一致性信号注入客户选择。在匹配解码预算下，CVRP50 最优性差距从 3.67% 降至 3.28%，CVRP100 从 2.11% 降至 1.99%；8 倍增强推理下 CVRP100 差距从 1.61% 降至 1.49%。在 XML100 上，TRCM*8Aug 将平均目标改进 0.24%。
正文 · AI 翻译
摘要：神经组合优化已为带容量约束的车辆路径问题（CVRP）实现了快速构造式求解器，但大多数自回归模型仍通过顺序节点选择来构造解，仅隐式地表示路径组织。我们研究路径级客户共分配能否被显式建模，并用于指导这一节点级决策过程。为此，我们提出拓扑感知路径一致性建模（TRCM），它复用标准自回归构造流程中的节点表示来预测成对同路径概率，并将其作为路径一致性信号注入客户选择过程。由于同路径监督既存在类别不平衡，又在结构上分布不均，TRCM 将结构保持增强与基于拓扑熵（TE）的重加权相结合，以强调局部模糊的客户对。在匹配的解码预算下，TRCM 将 CVRP50 的最优性差距从 3.67% 降至 3.28%，将 CVRP100 的差距从 2.11% 降至 1.99%；在 8 倍增强推理下，它将 CVRP100 的差距从 1.61% 降至 1.49%。在 XML100 上，TRCM*8Aug 将平均目标值改善了 0.24%，在若干具有结构信息量的因子上提升更大。对 500 个变体进行的受控需求重分配测试进一步显示出更集中的目标波动。这些结果支持将显式路径一致性建模作为自回归神经路径规划的一种有效结构原则。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27568 [cs.LG] |
| （或 arXiv:2610.27568v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27568 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhenwei Wang [查看邮箱]
[v1]
2026年10月20日 星期二 03:32:20 UTC（1,313 KB）
来源：arXiv cs.AI · arxiv.org