期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于领域自适应深度强化学习的跨分布车辆路径求解方法
1
作者 金友龙 夏大文 《智能计算机与应用》 2025年第12期17-22,共6页
现有基于神经网络的车辆路径求解方法通常假设训练和测试实例服从相同分布(即,均匀分布),从而导致跨分布场景的泛化能力弱。为此,本文提出一种基于领域自适应强化学习的跨分布车辆路径求解方法,核心在于领域自适应。该方法设计一种基于... 现有基于神经网络的车辆路径求解方法通常假设训练和测试实例服从相同分布(即,均匀分布),从而导致跨分布场景的泛化能力弱。为此,本文提出一种基于领域自适应强化学习的跨分布车辆路径求解方法,核心在于领域自适应。该方法设计一种基于分布引导的自适应策略网络(DGATP),并将其嵌入端到端深度强化学习框架(DRL),以解决跨分布车辆路径求解问题。具体的是,首先,构建分布识别模块,以感知源域与目标域的差异并进行特征提取和分布识别;其次,建立门控融合网络,以自适应地加权与融合不同分布的特征;最后,设计感知注意力解码器,以生成路由策略。基于两个代表性深度模型的实验结果表明,与传统方法相比,DGATP性能在跨分布场景下取得显著提升,展现优异的泛化性和通用性。 展开更多
关键词 车辆路径问题 深度强化学习 dgatp 门控融合网络 领域自适应
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部