抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
アマゾンの最後のMileルーティング研究課題の目標は,アマゾン運転者の実生活経験を最適経路計画と最適化の解決策に統合することである。本論文では,機械学習と従来の巡回セールス人問題(TSP)ソルバを階層的に組み合わせることによって,この課題に取り組む方法を示した。著者らの方法は,両方の世界から利益を修復する。一方では,提案手法は,各ゾーンが少数の区画停止を含むゾーンレベルで,歴史的経路から逐次確率モデルを学習することにより,ドライバノウハウを符号化する。次に,学習確率モデルからサンプリングした妥当なゾーンシーケンスを生成するため,ロールアウトアルゴリズムとして知られる単一ステップポリシー反復法を用いた。一方,著者らの方法は,各ゾーン内で効率的にストップを止めるために,豊富なTSP文献において開発された証明方法を利用する。このような組合せの結果は有望であると思われる。著者らの方法は,0.0374の評価スコアを得て,それは,トップ3チームが公式チャレンジリーダボード上で達成されたものに匹敵する。さらに,著者らの学習ベースの方法は,この課題の範囲を超えて異なる逐次パターンを示す可能性がある駆動経路に適用可能である。著者らの方法のソースコードは,https://github.com/aws samples/amazon sagemaker amazon routing challenge solで公的に利用可能である。【JST・京大機械翻訳】
