Orienteering Problem with Functional Profits for multi-source dynamic path construction
PulseAugur coverage of Orienteering Problem with Functional Profits for multi-source dynamic path construction — every cluster mentioning Orienteering Problem with Functional Profits for multi-source dynamic path construction across labs, papers, and developer communities, ranked by signal.
-
新型循环编码器提高了神经组合优化的效率
研究人员开发了一种用于神经组合优化（NCO）的新型循环编码器架构，显著提高了效率。这种新颖的方法通过将过去的状态嵌入整合到当前状态的计算中，重用了先前步骤的计算。所提出的循环编码器以更少的层数实现了与非循环模型相当或更优的性能，从而降低了延迟。其有效性已通过旅行商问题（TSP）、带容量车辆路径问题（CVRP）和定向问题（OP）得到证明，并已集成到大型邻域搜索算法中。
-
新的导航问题框架解决了机器人不确定奖励问题
研究人员引入了一种新的导航问题变体 OP-UTVR，该问题考虑了不确定和时变奖励。该框架专为移动服务机器人等应用而设计，这些机器人需要根据不断变化的客户需求或其他随机奖励变化做出路线规划决策。该研究提出了三种具有不同规划范围和在线适应性的规划器，以及理论性能界限。还开发了一个用于在室内环境中导航的移动服务机器人基准来测试这些规划器，揭示了规划范围和适应性之间的权衡。
-
新启发式算法计算量大幅减少，性能媲美先进路径规划算法
研究人员为动态多车路径规划问题开发了一种新的奖励密度启发式算法，称为效率启发式算法。该算法旨在最大限度地提高车队在规定时间内收集的累积奖励，同时随着新任务的出现不断重新规划。在自动无人机任务分配和城市出租车调度等应用中进行了测试，效率启发式算法的性能与先进的元启发式算法相当，但所需的计算时间显著减少，确立了帕累托优势。