ROADEF 2026>
Modèle d'apprentissage unifié pour résoudre le VRP multi-attributs
Amine Jari  1, @  , Sohaib Afifi  2, @  , Guibadj Rym Nesrine  3, @  , Lefevre Eric  2, @  
1 : Univ. Artois, UR 3926, LGI2A, F-62400 Béthune, France
Université d'Artois
2 : Univ. Artois, UR 3926, LGI2A, F-62400 Béthune, France
Université d'Artois
3 : Laboratoire d'Informatique Signal et Image de la Côte d'Opale
Université du Littoral Côte d'Opale, Université du Littoral Côte d'Opale : EA4491

Notre travail propose un modèle d'apprentissage unifié capable de résoudre 24 variantes du VRP multi-attributs en combinant un encodeur GNN et un décodeur séquentiel guidé par un masque dynamique. L'architecture exploite les informations des nœuds, des arêtes et des attributs globaux pour construire des tournées réalisables tout en intégrant des mécanismes d'attention et un GRU pour le contexte de route.

Type : : Résumé
Export du papier vers HAL : Non
Thématiques : [Axe RODA] RO, Données et apprentissage
Mots-Clés : Combinatorial Optimization (CO) ; Vehicle Routing Problem (VRP) ; Graph Neural Networks (GNN) ; Reinforcement Learning (RL) ; Foundation Models
Licence du fichier : Copyright (Tous droits réservés)
Chargement... Chargement...