En mi opinión: sí, y es una buena idea intentarlo.
El VRPTW (problemas de enrutamiento del vehículo con ventanas de tiempo) es un problema NP-difícil. El algoritmo ABC-T se usa ampliamente y con éxito para tratar con el VRPTW. El ABC-T es un enfoque inspirado en la naturaleza que emplea el algoritmo de la colonia de abejas artificiales (conocido como ABC) y mejora la capacidad de búsqueda global con la estrategia de selección de torneos.
Podemos usar una red neuronal para modelar el VRPTW y, en lugar de usar el algoritmo de optimización decente de gradiente, usar el algoritmo ABC-T para resolver el problema de optimización con el fin de obtener los parámetros del modelo.
- ¿Por qué los tamaños de mini lotes grandes afectan negativamente la precisión de la validación?
- ¿Cuál es la diferencia entre derivada de una función o pendiente de gradiente?
- ¿Cuál es un buen consejo para una implementación eficiente de un algoritmo de aprendizaje automático en C / C ++?
- ¿Por qué ha sido tan efectivo OpenAI?
- ¿Qué es la optimización submodular?
Dado que el uso de ABC para resolver VRP ha sido muy exitoso, naturalmente la gente pregunta por qué necesitamos otro algoritmo. Se me ocurren algunas ventajas. Para utilizar el modelado ANN, VRPTW puede simplificar el modelo. Luego, para utilizar ABC-T para reemplazar el método decente de gradiente, es posible encontrar la solución óptima global. Además, no es la primera vez que se propone un enfoque similar. Por ejemplo, el documento “Esquemas de aproximación de tiempo polinomial para instancias densas de problemas NP-difíciles” (publicado en el simposio ACM 1995 sobre Teoría de la computación, páginas 284-293), donde utiliza la regresión polinómica, en lugar de ANN.
