Aplicação de Modelo de Atenção para o Problema do Reparador Viajante

Neste artigo, abordamos o Problema do Reparador Viajante, cujo objetivo é minimizar o tempo de espera dos clientes ao determinar a melhor sequência de visitas. Trata-se de um problema de roteamento NP-difícil, com grande relevância nas áreas de logística e e-commerce, cuja solução heurística é amplamente utilizada, porém ainda possui um gargalo de tempo para resolver o problema. Soluções baseadas em machine learning vêm sendo aplicadas em problemas de roteamento de forma que, uma vez treinadas, o tempo para encontrar uma solução é menor do que em heurísticas. Para resolvê-lo, utilizamos um modelo de rede neural baseado em mecanismos de atenção, capaz de identificar padrões em dados sequenciais e gerar soluções de alta qualidade. Nossos modelos foram avaliados em instâncias padrão da literatura e em casos reais da TSPLIB, demonstrando a capacidade de encontrar soluções eficientes quase instantaneamente e generalizar
bem para problemas de diferentes dimensões.