講演抄録/キーワード |
講演名 |
2021-05-14 13:20
複数車両による配送計画問題に対する強化学習を活用した探索手法の検討 ○明石和陽・金井俊介・田山健一・王 釗・中野雄介・西松 研(NTT) ICM2021-5 |
抄録 |
(和) |
近年,ネットワークの運用業務にも応用可能な配送計画問題を解くために強化学習を活用する探索手法が研究されている.複数車両の配送計画問題に対して,これまでに各配送車をエージェントとするマルチエージェントの手法が提案されているが,従来手法は配送車が訪問先を選択する順番が固定されているため生成可能な巡回ルートのパターンに制限がある.そこで本稿では,各配送車の訪問先を計画する“采配者”をエージェントとするシングルエージェントの手法を検討する.簡易なシミュレーションの結果,提案手法は従来技術における巡回ルートの制限を解消でき,既存の数理最適化ツール(Google OR-tools)より多くのケースに対して巡回ルートを生成可能であることがわかった.一方で,生成された巡回ルートの平均移動コストはツールに劣るため,モデルの改良による性能改善等が今後の課題となる. |
(英) |
In recent years, deep reinforcement learning method have been studied for solving vehicle routing problems. For multi-vehicle routing problems, multi-agent methods have been proposed in which each vehicle is an agent, but these methods are limited in patterns of routes that can be generated because the order in which the vehicles select their destinations is fixed. Therefore, in this paper, we propose a single-agent method in which the agent is the operator who plans the destination of each vehicle. As a result of a simple simulation, the proposed method can remove the limitation of conventional methods, and can generate the route for more cases than the Google OR-tools. On the other hand, the average cost of the routes generated by the proposed method is inferior to the Google OR-tools, so we have to improve the performance by changing the model. |
キーワード |
(和) |
配送計画問題 / 強化学習 / ニューラルネットワーク / Attention / AI / / / |
(英) |
Vehicle Routing Problems / Reinforcement Learning / Neural network / Attention / AI / / / |
文献情報 |
信学技報, vol. 121, no. 13, ICM2021-5, pp. 23-28, 2021年5月. |
資料番号 |
ICM2021-5 |
発行日 |
2021-05-06 (ICM) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
ICM2021-5 |