一种基于多视图注意力机制的编码器-解码器框架，用于解决聚类旅行商问题

《IEEE Robotics and Automation Letters》：A Multi-View Attention-Based Encoder-Decoder Framework for Clustered Traveling Salesman Problem

CluTSP问题通过全局与本地路径规划解决，传统方法因割裂处理导致效率低且解次优。本文提出基于多视角注意力编码器-解码器的统一DRL框架，双编码器协同优化全局路径顺序和局部节点路径，端到端生成最优轨迹，实验验证效果显著优于分解式方法。

　　

摘要：

许多自主移动机器人的路径规划场景需要为多个配送点提供服务。这类集群路由问题自然可以表述为“集群旅行商问题”（CluTSP），它包含两个相互依赖的子问题：全局簇间路由用于确定访问簇的顺序，以及局部簇内路由用于优化每个簇内的路径。现有的方法通常分别解决这两个子问题，由于全局决策与局部决策之间信息共享有限，导致解决方案不够最优，并且计算时间较长。为了解决这些限制，我们提出了一个统一的深度强化学习框架，基于一种新颖的多视图注意力编码器-解码器架构，开发出一个强大且灵活的CluTSP路由代理。我们的基于图神经网络的双编码器结构能够有效捕捉全局和局部路由信息，而协作式解码器则从全局角度生成机器人的整体运动轨迹。这种新颖高效的架构允许通过一次性统一构建来解决两个子问题，而无需分别处理每个问题。大量实验表明，我们的方法显著优于现有的基于分解或学习的方法。