一种车辆路径问题解决方案的生成方法及装置制造方法及图纸

本发明专利技术公开了一种车辆路径问题解决方案的生成方法及装置，所述方法包括：获取待处理的车辆路径问题信息，根据车辆路径问题信息确定起始城市

【技术实现步骤摘要】
一种车辆路径问题解决方案的生成方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及的是一种车辆路径问题解决方案的生成方法及装置
。

技术介绍

[0002]在物流运输和旅游规划领域中，由于涉及城市众多，场景复杂，如何较好地进行路径规划，得到从起始城市到终点城市且经过全部必经城市的最短路径以降低交通成本，成为急需解决的问题
。
[0003]目前许多基于学习的神经组合优化方法被提出并应用于解决现实生活中的路径规划问题以获得最短路径
。
神经组合优化方法无需手工设计规则，而是构建神经网络模型，通过监督学习或强化学习从数据中学习到生成解决方案的策略，因此能显著降低开发成本
。
然而当前的基于学习的神经组合优化模型通常采用编码器和解码器结构，编码器中包括多层注意力层，解码器中仅包括一个简单的注意力机制计算和一个兼容性计算
。
上述模型由于解码器的结构简单，在处理大量城市之间路径规划问题时，无法较好地捕捉城市之间复杂的关系，从而使得最短路径规划结果的质量较低
。...

【技术保护点】

【技术特征摘要】
1.
一种车辆路径问题解决方案的生成方法，其特征在于，包括：获取待处理的车辆路径问题信息，根据所述车辆路径问题信息确定起始城市
、
终点城市以及多个必经城市；将所述车辆路径问题信息输入已训练的方案生成模型，所述方案生成模型采用一个编码器和一个解码器作为模型框架，所述解码器中包括多层注意力层；在所述编码器中处理所述车辆路径问题信息，得到目标节点嵌入向量矩阵；将所述目标节点嵌入向量矩阵中的全部节点向量经所述解码器处理，得到从所述起始城市到所述终点城市且经过全部所述必经城市的最短路径
。2.
根据权利要求1所述的车辆路径问题解决方案的生成方法，其特征在于，所述车辆路径问题信息包括所述起始城市的特征信息
、
所述终点城市的特征信息以及全部所述必经城市的特征信息；所述在所述编码器中处理所述车辆路径问题信息，得到目标节点嵌入向量矩阵，包括：将所述起始城市作为起始节点，将所述终点城市作为终点节点，将全部所述必经城市作为未访问节点；在所述编码器的线性映射层中，将所述起始节点的特征信息转换为初始起始节点向量
、
将所述终点节点的特征信息转换为初始终点节点向量
、
将每个所述未访问节点的特征信息转换为对应的初始未访问节点向量；在所述编码器的注意力层中，对所述初始起始节点向量进行处理得到起始节点向量，对所述初始终点节点向量进行处理得到终点节点向量，以及对每个所述初始未访问节点向量进行处理得到对应的未访问节点向量，所有所述未访问节点向量形成未访问节点向量集合；将所述起始节点向量
、
所述终点节点向量和所述未访问节点向量集合以矩阵形式存储，得到目标节点嵌入向量矩阵
。3.
根据权利要求2所述的车辆路径问题解决方案的生成方法，其特征在于，所述解码器还包括线性层；所述将所述目标节点嵌入向量矩阵中的全部节点向量经所述解码器处理，得到从所述起始城市到所述终点城市且经过全部所述必经城市的最短路径，包括：将所述目标节点嵌入向量矩阵中的所述起始节点向量
、
所述终点节点向量以及未访问节点向量集合作为所述多层注意力层的输入信息，经多层注意力层逐层提取所述输入信息的节点特征关系，经过每层注意力层后均输出对应的节点特征关系；将最后一层注意力层输出的节点特征关系输入所述线性层，得到输出量集合；将所述输出量集合经
softmax
函数处理，得到每个未访问节点的选择概率；选择所有所述选择概率中最大值对应的未访问节点，将所述未访问节点作为选择结果；将所述选择结果对应的未访问节点向量作为下一次迭代的起始节点向量，以及将所述选择结果对应的未访问节点向量从所述未访问节点向量集合中去除，得到更新后的输入信息；将更新后的输入信息输入到多层注意力层处理；当所述未访问节点向量集合中只存在一个未访问节点向量时，迭代结束；根据每次迭代的选择结果得到从所述起始城市到所述终点城市且经过全部所述必经
城市的最短路径；其中，将所述输入信息作为第一层注意力层的输入数据，将上一层注意力层输出的节点特征关系作为下一层注意力层的输入数据
。4.
根据权利要求3所述的车辆路径问题解决方案的生成方法，其特征在于，所述将所述目标节点嵌入向量矩阵中的全部节点向量经所述解码器处理，得到从所述起始城市到所述终点城市且经过全部所述必经城市的最短路径之后，还包括：按预设第一规则对所述最短路径进行提取，得到第一部分解；确定所述第一部分解对应的车辆路径子问题信息；将所述车辆路径子问题信息输入到已训练的方案生成模型，得到第二部分解；在所述最短路径中，将所述第一部分解替换为所述第二部分解，得到第一优化路径；对所述最短路径和所述第一优化路径分别进行路径长度计算，得到最短路径距离和第一优化路径距离；当所述最短路径距离大于所述第一优化路径距离时，迭代地对所述第一优化路径进行提取和替换；或当所述最短路径距离小于所述第一优化路径距离时，迭代地对所述最短路径进行提取和替换；当达到预设的迭代终止条件时，得到重构后的最短路径；其中，所述车辆路径子问题信息包括子问题起始城市的特征信息
、
子问题终点城市的特征信息以及全部子问题必经城市的特征信息
。5.
根据权利要求3所述的车辆路径问题解决方案的生成方法，其特征在于，每层注意力层均包括：多头注意力层和前馈层；在每层注意力层中，提取所述输入信息的节点特征关系的步骤包括：获取输入数据，将所述输入数据输入多头注意力层中处理，得到每个节点向量对应的多头注意力计算结果；将每个节点向量与对应的所述多头注意力计算结果相加，得到每个节点向量的中间注意力计算结果；将每个节点向量的所述中间注意力计算结果输入前馈层中处理，得到每个节点向量的前馈层计算结果，将每个节点向量的所述中间注意力计算结果和每个节点向量的所述前馈层计算结果相加，得到所述输入数据的节点特征关系
。6.
根据权利要求1所述的车辆路径问题解决方案的生成方法，其特征在于，所述方案生成模型的训练步骤包括：构建初始方案生成模型，所述初始方案生成模型采用一个编码器和一个解码器作为...

【专利技术属性】
技术研发人员：王振坤，罗福，柳斐，林熙，张青富，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：