当前位置：首页 > news >正文

20250306-笔记-精读class CVRPEnv:step(self, selected)

news 来源：原创 2025/8/28 0:01:19

文章目录

前言
一、`if self.time_step<4:`
- 控制时间步的递增
- 判断是否在配送中心
- 特定时间步的操作
- 更新
- - 更新当前节点和已选择节点列表
  - 更新需求和负载
  - 更新访问标记
  - 更新负无穷掩码
  - 更新步骤状态，将更新后的状态同步到 self.step_state
二、使用步骤
总结

前言

class CVRPEnv:step(self, selected)函数是强化学习代码实现中的核心。
精读该代码的目标：

熟悉每一个参数的shape。
熟悉每个参数之间的关系（剪切，扩展，等）。

一、`if self.time_step<4:`

控制时间步的递增

            # 控制时间步的递增self.time_step=self.time_step+1self.selectex_count = self.selected_count+1

判断是否在配送中心

            #判断是否在配送中心self.at_the_depot = (selected == 0)

特定时间步的操作

            if self.time_step==3:self.last_current_node = self.current_node.clone()self.last_load = self.load.clone()if self.time_step == 4:self.last_current_node = self.current_node.clone()self.last_load = self.load.clone()self.visited_ninf_flag[:, :, self.problem_size+1][(~self.at_the_depot)&(self.last_current_node!=0)] = 0

更新

更新当前节点和已选择节点列表

            #更新当前节点和已选择节点列表self.current_node = selectedself.selected_node_list = torch.cat((self.selected_node_list, self.current_node[:, :, None]), dim=2)

参数	Shape
self.current_node	(batch, pomo)
self.selected_node_list	(batch, pomo,0~)

注：0~表示第三维度逐渐增加

self.selected_node_list的shape:
在这里插入图片描述
self.current_node的shape:

self.selected_node_list = torch.cat((self.selected_node_list, self.current_node[:, :, None]), dim=2),表示先将self.current_node扩展为三维数据，再将self.current_node沿着self.selected_node_list 的第三维度（dim=2）进行依次剪切进去。

更新需求和负载

            #更新需求和负载demand_list = self.depot_node_demand[:, None, :].expand(self.batch_size, self.pomo_size, -1)gathering_index = selected[:, :, None]selected_demand = demand_list.gather(dim=2, index=gathering_index).squeeze(dim=2)self.load -= selected_demandself.load[self.at_the_depot] = 1  # refill loaded at the depot

参数	Shape	含义g
self.depot_node_demand	(batch, problem + 1)	表示每个批次中，每个问题（包括配送中心）对应的节点需求
demand_list	(batch, pomo, problem + 1)	包含每个节点需求的张量
selected	(batch, pomo)	表示每个批次中的每个智能体所选择的节点编号（这些节点是从节点集合中选择的）
selected_demand	(batch, pomo)	示每个智能体所选择节点的需求。

demand_list = self.depot_node_demand[:, None, :].expand(self.batch_size, self.pomo_size, -1)

[:, None, :]：先在self.depot_node_demand的第二维（即问题维度）上增加一个新的维度，使其变为 (batch_size, 1, problem_size + 1)。
.expand(self.batch_size, self.pomo_size, -1)：将数据self.depot_node_demand扩展为 (batch_size, pomo_size, problem_size + 1)，表示每个批次中的每个 POMO 智能体都有一份相同的需求数据。

在这里插入图片描述
gathering_index = selected[:, :, None]

将 selected 进行维度扩展

selected_demand = demand_list.gather(dim=2, index=gathering_index).squeeze(dim=2)

demand_list 的 shape 是 (batch_size, pomo_size, problem_size + 1)，包含了所有节点的需求数据。
gather(dim=2, index=gathering_index) 会按照 gathering_index（即 selected 中存储的节点编号）从 demand_list 中选择出对应的节点需求。dim=2 表示沿着第三维（即问题维度）进行选择。
gather 的结果是一个 shape 为 (batch_size, pomo_size, 1) 的张量。
.squeeze(dim=2) 去掉了多余的第三维，最终得到 selected_demand，其 shape 是 (batch_size, pomo_size)，表示每个智能体所选择节点的需求。

在这里插入图片描述

更新访问标记

            #更新访问标记(防止重复选择已访问的节点)self.visited_ninf_flag[self.BATCH_IDX, self.POMO_IDX, selected] = float('-inf')self.visited_ninf_flag[:, :, 0][~self.at_the_depot] = 0  # depot is considered unvisited, unless you are AT the depot

参数	Shape	含义
self.visited_ninf_flag	(batch, pomo, problem+ 1)	记录了每个智能体（POMO）在每个批次中已访问的节点的信息，标记某些节点是否已经被访问（用负无穷表示）。
self.BATCH_IDX	(batch, pomo)	批次索引的张量
self.POMO_IDX	(batch, pomo)	智能体（POMO）索引的张量
selected	(batch, pomo)	表示每个批次中的每个智能体所选择的节点编号（这些节点是从节点集合中选择的）
self.at_the_depot	(batch, pomo)	一个布尔型张量，表示每个智能体是否处于配送中心（即该智能体是否在节点 0，通常是配送中心）。

self.visited_ninf_flag[self.BATCH_IDX, self.POMO_IDX, selected] 表示从 visited_ninf_flag 张量中选择出对应批次和智能体的对应位置，并设置为 float('-inf')，表示这些节点已经被访问过。

举例：
假设我们有以下参数：

batch_size = 2，即有 2 个批次。
pomo_size = 3，即每个批次有 3 个智能体（POMO）。
problem_size = 4，即有 4 个节点（包含配送中心）。

self.visited_ninf_flag = [[[  0.,   0.,   0.,   0.,   0.],  # 第一个批次（batch 0）[  0.,   0.,   0.,   0.,   0.],  # POMO 0, POMO 1, POMO 2 各自对节点的访问标志[  0.,   0.,   0.,   0.,   0.]],[[  0.,   0.,   0.,   0.,   0.],  # 第二个批次（batch 1）[  0.,   0.,   0.,   0.,   0.],[  0.,   0.,   0.,   0.,   0.]]
]

self.BATCH_IDX（批次索引）：

self.BATCH_IDX = [[0, 0, 0],  # 第一个批次[1, 1, 1]   # 第二个批次
]

self.POMO_IDX（POMO 索引）：

self.POMO_IDX = [[0, 1, 2],  # 每个批次中三个智能体的索引[0, 1, 2]
]

selected（每个智能体选择的节点）：

selected = [[1, 2, 0],  # 第一个批次中，智能体选择的节点：POMO 0 选择节点 1，POMO 1 选择节点 2，POMO 2 选择节点 0[3, 1, 2]   # 第二个批次中，智能体选择的节点：POMO 0 选择节点 3，POMO 1 选择节点 1，POMO 2 选择节点 2
]

执行这一行代码 self.visited_ninf_flag[self.BATCH_IDX, self.POMO_IDX, selected] = float('-inf')。
对于第一个批次（BATCH_IDX[0]），我们有三个智能体（POMO_IDX[0]），选择了节点 [1, 2, 0]，分别是：

selected[0][0] = 1 表示 POMO 0 选择了节点 1。
selected[0][1] = 2 表示 POMO 1 选择了节点 2。
selected[0][2] = 0 表示 POMO 2 选择了节点 0。
对于第二个批次（BATCH_IDX[1]），我们同样有三个智能体（POMO_IDX[1]），选择了节点 [3, 1, 2]，分别是：
selected[1][0] = 3 表示 POMO 0 选择了节点 3。
selected[1][1] = 1 表示 POMO 1 选择了节点 1。
selected[1][2] = 2 表示 POMO 2 选择了节点 2。

更新 visited_ninf_flag：根据批次索引和 POMO 索引，我们更新了对应位置的值为负无穷 -inf：

对于 BATCH_IDX[0] 和 POMO_IDX[0, 1, 2]，我们将 selected[0][0] = 1，selected[0][1] = 2，selected[0][2] = 0 位置标记为 -inf。
对于 BATCH_IDX[1] 和 POMO_IDX[0, 1, 2]，我们将 selected[1][0] = 3，selected[1][1] = 1，selected[1][2] = 2 位置标记为 -inf。

self.visited_ninf_flag[:, :, 0][~self.at_the_depot] = 0,我们将所有不在配送中心的智能体的配送中心访问标志设置为 0。
-[:, :, 0] 是一个切片操作，表示我们提取张量中的第一个节点（通常是配送中心节点）。

~self.at_the_depot 是对 self.at_the_depot 张量的布尔取反操作，将 True 变为 False，将 False 变为 True。

更新负无穷掩码

            #更新负无穷掩码(屏蔽需求量超过当前负载的节点)self.ninf_mask = self.visited_ninf_flag.clone()round_error_epsilon = 0.00001demand_too_large = self.load[:, :, None] + round_error_epsilon < demand_list_2=torch.full((demand_too_large.shape[0],demand_too_large.shape[1],1),False)demand_too_large = torch.cat((demand_too_large, _2), dim=2)self.ninf_mask[demand_too_large] = float('-inf')

参数	Shape	含义
self.visited_ninf_flag	(batch, pomo, problem+ 1)	记录了每个智能体（POMO）在每个批次中已访问的节点的信息，标记某些节点是否已经被访问（用负无穷表示）。
self.ninf_mask	(batch, pomo, problem+ 1)	self.visited_ninf_flag.clone()

更新步骤状态，将更新后的状态同步到 self.step_state

            #更新步骤状态，将更新后的状态同步到 self.step_stateself.step_state.selected_count = self.time_stepself.step_state.load = self.loadself.step_state.current_node = self.current_nodeself.step_state.ninf_mask = self.ninf_mask

参数	Shape