研究人员引入了携带无人机的旅行盗贼问题 (TTP-D)，这是一个专注于收集操作的新优化问题。该问题旨在通过联合优化物品选择、车辆路径规划和无人机飞行同步来最大化利润，同时考虑了载荷累积的累积惩罚。为了解决 TTP-D，该论文提出了一种用于小规模实例的混合整数线性规划，并为更大、更复杂的场景开发了元启发式算法和基于注意力的深度强化学习 (DRL) 策略。还提出了一种结合 DRL 策略和退火的混合求解器，该求解器在解决方案质量和计算成本之间取得了良好的平衡。 AI
影响 引入新颖的问题公式和由人工智能驱动的解决方案，以优化物流和收集操作。
排序理由 该集群包含一篇详细介绍新优化问题和使用人工智能技术提出的解决方案的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.16435v1 Announce Type: new Abstract: In collection operations, accumulating payload progressively slows the vehicle, imposing a cumulative penalty on routing efficiency. An onboard drone can offset this penalty by retrieving outlying items, thereby shortening the makes…
In collection operations, accumulating payload progressively slows the vehicle, imposing a cumulative penalty on routing efficiency. An onboard drone can offset this penalty by retrieving outlying items, thereby shortening the makespan and increasing operational profit. However, …