複数車両の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

• Item type: SIG Technical Reports(1)
• 公開日: 2021-05-06
• タイトル: 複数車両の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
• タイトル / 言語: en
• タイトル: A Study of Reinforcement Learning for Solving Multi-Vehicle Routing Problems
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ICM
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: NTTアクセスサービスシステム研究所
• 著者所属: NTTアクセスサービスシステム研究所
• 著者所属: NTTネットワーク基盤技術研究所
• 著者所属: NTTネットワーク基盤技術研究所
• 著者所属: NTTアクセスサービスシステム研究所
• 著者所属: NTTネットワーク基盤技術研究所
• 著者所属(英): en
• 著者所属(英): NTT Access Network Service Systems Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Access Network Service Systems Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Network Technology Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Network Technology Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Access Network Service Systems Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Network Technology Laboratories
• 著者名: 明石, 和陽; 金井, 俊介; 王, 釗; 中野, 雄介; 田山, 健一; 西松, 研
• 著者名(英): Kazuaki, Akashi; Shunsuke, Kanai; Zhao, Wang; Yuusuke, Nakano; Kenichi, Tayama; Ken, Nishimatsu
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: 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.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12326962
• 書誌情報: 研究報告インターネットと運用技術（IOT）; 巻 2021-IOT-53, 号 21, p. 1-6, 発行日 2021-05-06
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8787
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会