买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明公开了一种基于覆盖旅行商问题求解的急救队路径规划方法，属于人工智能的强化学习和组合优化领域。本发明通过设计覆盖注意力模块对顶点间覆盖关系建模，并动态地将顶点被访问的信息传递至覆盖集中的其他顶点，高效地捕获问题特征和时序特征；为了提高模型对于对称不变性的学习并增强构造解的能力，提出了基于实例增强的改进基线用于REINFORCE算法，无需引入额外的评论家网络，并且具备显存占用少，运算速度快的优势。实验结果表明，本发明在求解质量上相较现有DRL方法均有明显优势，在不同覆盖类型、不同数据分布的实验中也展现了极强的泛化能力，部分实例的求解质量甚至超越了传统启发式算法，并保持着数十倍的求解速度优势。

主权项：1.一种基于覆盖旅行商问题求解的急救队路径规划方法，所述方法包括：步骤一：获取所要进行覆盖与访问的N个地点坐标；步骤二：对步骤一获取到的N个地点坐标进行预处理与实例增强操作，得到8组N个地点坐标；步骤三：对步骤二处理后的地点坐标数据通过CAM模型的编码器进行特征提取，分别获取到8组N个地点坐标的深层信息表示；步骤四：将所述步骤三得到的8组深层信息表示输入至CAM模型的解码器中进行顶点预测，每个时刻每组分别构造全局图信息输出顶点访问概率分布，基于贪婪解码策略、波束搜索解码策略或随机采样策略得到当前时刻当前组访问的顶点；步骤五：对步骤四得到的当前时刻访问的顶点进行覆盖注意力运算，将其深层信息扩散融合至覆盖集内的其他顶点；重复所述步骤四、步骤五，直至输出的访问顶点序列满足可行解约束，即急救队按照输出的序列进行访问能够对所有的地点坐标进行访问或覆盖；所述CAM模型由编码器和解码器组成，其中编码器使用修改后的Transformer模型编码器，而解码器基于注意力机制进行搭建，每时刻输出当前访问的顶点并将信息扩散至覆盖集外内的其他顶点；所述CAM模型使用修改后的Transformer模型的编码器对步骤二中处理后的8组地点坐标进行特征编码，编码过程包括：给定包含N个顶点的CSP实例，对顶点i的二维平面坐标首先通过线性投影层将其映射为d维向量 N个地点的初始嵌入采用矩阵形式表示： 其中，表示受灾地点N的坐标，上标表示编码器的层数，0即表示未进行编码；所述编码器由L层编码层构成，每层编码层包括多头自注意力层MHA、全连接层FFN、批次归一化层BN和残差连接，对N个顶点的嵌入，通过编码器进行编码的具体公式如下： 其中表示顶点的嵌入的矩阵形式，表示第l层编码层，分别表示第l层的BN层运算，MHAl表示第l层的多头自注意力运算，分别表示用于构造MHA中的待学习参数；经过L层的编码后，顶点嵌入hi融合全局信息并指导后续的求解过程；所述步骤四和步骤五包括：将步骤三得到的顶点嵌入hi输入至解码器中，其中解码器由顶点预测层和覆盖注意力模块两部分构成，所述顶点预测层的作用是基于上下文信息来输出t时刻访问的顶点概率，而所述覆盖注意力模块将t时刻被访问的顶点πt相关信息传播到其所覆盖的其他顶点；所述顶点预测层的计算过程包括：首先根据顶点嵌入构造t时刻的上下文，使用如下公式计算全局图嵌入g： 接着构造上下文嵌入： 其中Concat表示向量拼接操作，在t＝1时刻，解序列中不存在首尾顶点，因而使用两个待学习的向量vf,vl进行替换；而在t≠1时刻，解序列中{π1,...,πt-1}的首尾顶点为π1和πt-1，将g和对应的嵌入拼接；然后对c通过MHA聚合所有顶点的信息： 对和所有顶点的顶点嵌入ki做注意力计算得到并通过截断值C来调整值域为[-C,C]；如果表示顶点i已经被访问过，将其对应的值置为-∞，以阻止顶点i再次被访问： 最后通过softmax归一化获得顶点的被访问概率： 根据概率pi，采用不同的解码策略选择当前时刻访问的顶点πt，并加入到解序列中，最后更新 其中在t＝0时，为全1向量，表示所有顶点均未被访问；一旦存在顶点被访问，所述覆盖注意力模块的计算过程包括：使用多头自注意力机制做覆盖注意力运算使覆盖集之间的信息融合，通过对t时刻被访问的顶点的覆盖集中的所有顶点做MHA运算，将其被访问的信息传递给其他顶点，其他顶点通过调整各自的顶点嵌入来对πt被访问做出反应： 其中，hj表示覆盖集内的顶点执行完MHA后的顶点嵌入，和表示MHA的待学习参数，MHAcover表示对覆盖集内的顶点嵌入做MHA运算，最终针对一个样本，将得到8组解，分别通过length计算公式，求出各自的长度，选取路径长度最短的解，作为模型的输出解。

全文数据：

权利要求：

百度查询： 江南大学 一种基于覆盖旅行商问题求解的急救队路径规划方法