حل مسائل البائع المتجول الديناميكية باستخدام التعلم المعزز العميق

مشكلة البائع المتجول (TSP) هي مشكلة معروفة ومعقدة من نوع NP. تفترض TSP التقليدية أن مواقع العملاء ووقت السفر بينهم ثابتة ودائمة. ومع ذلك، في الحالات الحقيقية، قد تتغير ظروف المرور وطلبات العملاء مع مرور الوقت. للعثور على الطريق الأكثر اقتصادية، يمكن اتخاذ القرارات باستمرار عند النقطة الزمنية التي يكمل فيها البائع خدمته لكل عميل. وهذا يقدم نسخة ديناميكية من مشكلة البائع المتجول (DTSP)، والتي تأخذ في الاعتبار معلومات حركة المرور في الوقت الحقيقي وطلبات العملاء. يمكن توسيع DTSP إلى مشكلة جمع وتسليم ديناميكية (DPDP). في هذه المقالة، نقوم بتحسين نموذج الانتباه لجعله قادرًا على إدراك التغييرات البيئية. تم اقتراح خوارزمية تعلم معزز عميق لحل حالات DTSP وDPDP بحجم يصل إلى 40 عميلًا في 100 موقع. تظهر التجارب أن طريقتنا يمكن أن تلتقط التغييرات الديناميكية وتنتج حلاً مرضيًا للغاية في فترة زمنية قصيرة جدًا. بالمقارنة مع نهج الأساس الأخرى، يمكن ملاحظة تحسينات تزيد عن 5% في العديد من الحالات.