🤖 machine learning

FiLMMeD: Feature-wise Linear Modulation for Cross-Problem Multi-Depot Vehicle Routing

El artículo propone FiLMMeD, un modelo neuronal unificado novedoso que aprovecha la Modulación Lineal por Características, la Optimización de Preferencias y el aprendizaje curricular para resolver eficazmente 24 variantes diversas del Problema de Enrutamiento de Vehículos con Múltiples Depósitos, superando las líneas base existentes de última generación.

Autores originales: Arthur Corrêa, Paulo Nascimento, Samuel Moniz

Publicado 2026-05-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Arthur Corrêa, Paulo Nascimento, Samuel Moniz

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el gerente de una empresa de entregas masiva. Tienes camiones, conductores y miles de clientes. Tu trabajo es determinar la forma más eficiente de llevar los paquetes desde tus almacenes hasta las puertas de los clientes. Este es el Problema de Enrutamiento de Vehículos (VRP).

Ahora, imagina que tu empresa crece. No tienes solo un almacén; tienes múltiples depósitos dispersos por toda la ciudad. Esto hace que el rompecabezas sea mucho más difícil. Este es el VRP de Múltiples Depósitos (MDVRP).

Para hacer las cosas aún más caóticas, la vida real lanza curvas todos los días:

A veces un cliente quiere que se recoja un paquete (un Backhaul o ruta de retorno).
A veces un camión tiene un límite de tiempo estricto sobre cuánto puede conducir (Límite de Longitud de Ruta).
A veces un cliente solo acepta entregas entre las 9 a. m. y las 11 a. m. (Ventana de Tiempo).
A veces se permite que un camión se detenga en un diferente almacén en medio de su ruta para recargar (Ruta Inter-depósito).

Tradicionalmente, resolver estos rompecabezas requería contratar a un experto diferente para cada combinación única de reglas. Si añadías una nueva regla, tenías que empezar desde cero.

Este artículo presenta FiLMMeD, un nuevo "super-solutor" diseñado para manejar todas estas diferentes combinaciones de reglas a la vez, sin necesidad de ser reentrenado cada vez. Así es como funciona, usando analogías simples:

1. Las "Gafas Inteligentes" (Modulación Lineal por Características)

Imagina que llevas puesta un par de gafas inteligentes. Cuando miras un mapa, las gafas cambian cómo ves el mundo basándose en las reglas del día.

Si la regla es "Ventanas de Tiempo", las gafas resaltan los relojes en el mapa y atenúan el resto.
Si la regla es "Backhauls", las gafas resaltan los puntos de recogida y cambian el color de los puntos de entrega.

En el artículo, esto se llama FiLM (Modulación Lineal por Características). En lugar de construir un nuevo cerebro para cada regla, la IA utiliza un solo cerebro pero se pone estas "gafas inteligentes" (ajustes matemáticos) para adaptar instantáneamente su pensamiento interno a las restricciones específicas del problema actual. Esto le permite entender que una regla de "Ventana de Tiempo" cambia la importancia de ciertos puntos de datos, mientras que una regla de "Backhaul" cambia otros.

2. El "Campamento de Entrenamiento" (Aprendizaje Curricular)

Si intentaras enseñar a un estudiante a resolver un problema matemático complejo lanzándole todas las variables posibles el primer día, probablemente fallaría. Necesitas un Currículo.

Los autores se dieron cuenta de que, para problemas de Múltiples Depósitos, no puedes simplemente mezclar todas las reglas al azar. Tienes que aumentar la dificultad:

Fase 1: Enseña a la IA problemas simples con solo una regla extra (por ejemplo, solo Ventanas de Tiempo).
Fase 2: Una vez que lo domina, introduce problemas con dos reglas.
Fase 3: Finalmente, déjala enfrentar las "batallas contra el jefe" con cuatro o cinco reglas combinadas.

Esta estrategia de Aprendizaje Curricular actúa como un campamento de entrenamiento, asegurando que la IA aprenda los fundamentos de cómo interactúan las reglas antes de verse abrumada por los escenarios más complejos.

3. El "Feedback del Entrenador" (Optimización de Preferencias)

Por lo general, la IA aprende intentando adivinar la respuesta y obteniendo una puntuación (Recompensa) al final. Si la puntuación es baja, lo intenta de nuevo. Esto puede ser desordenado y lento, especialmente al manejar muchos tipos diferentes de problemas a la vez.

Los autores probaron un enfoque diferente llamado Optimización de Preferencias (PO). En lugar de preguntar: "¿Qué tan buena es esta ruta?" (dando un número), le piden a la IA que compare dos rutas: "¿Es la Ruta A mejor que la Ruta B?".

Piénsalo como un entrenador observando a dos atletas correr. El entrenador no necesita conocer la velocidad exacta; solo necesita saber quién terminó primero.
El artículo afirma que este método es más estable y ayuda a la IA a aprender más rápido y mejor que el método tradicional "basado en puntuación", especialmente al tratar con muchos tipos diferentes de problemas a la vez.

¿Qué Lograron?

El equipo probó su nuevo modelo, FiLMMeD, en 24 versiones diferentes del problema de Múltiples Depósitos (incluyendo 8 tipos completamente nuevos que inventaron) y 16 problemas de depósito único.

El Resultado: FiLMMeD superó consistentemente a los mejores modelos de IA anteriores. Encontró mejores rutas, más rápido, y pudo manejar combinaciones complejas de reglas con las que otros modelos luchaban.
La Victoria "Zero-Shot": Incluso cuando probaron el modelo con combinaciones de reglas que nunca había visto antes, aún funcionó muy bien, demostrando que el enfoque de "gafas inteligentes" y "campamento de entrenamiento" le ayudó a entender verdaderamente la lógica del problema, no solo a memorizar respuestas.

Resumen

El artículo presenta un nuevo sistema de IA que actúa como un planificador de entregas universal. Al usar gafas inteligentes para adaptarse a reglas específicas, un campamento de entrenamiento paso a paso para aprender la complejidad y un estilo de entrenamiento comparativo para aprender de manera eficiente, resuelve rompecabezas logísticos complejos mejor que cualquier método anterior, todo sin necesitar un modelo nuevo para cada nuevo escenario.

A continuación se presenta un resumen técnico detallado del artículo "FiLMMeD: Modulación Lineal a Nivel de Características para la Ruta de Vehículos Multi-Depósito de Problema Cruzado".

1. Definición del Problema

El artículo aborda el Problema de Enrutamiento de Vehículos Multi-Depósito (MDVRP), un problema complejo de optimización combinatoria (CO) central en la logística moderna, particularmente en el comercio electrónico. A diferencia del clásico VRP de un solo depósito, el MDVRP implica despachar vehículos desde múltiples depósitos para atender a clientes.

El desafío específico abordado es la generalización de problema cruzado. La logística del mundo real implica restricciones heterogéneas que varían dinámicamente (por ejemplo, ventanas de tiempo, rutas de retorno, límites de longitud de ruta, rutas abiertas y transferencias entre depósitos). Los solucionadores basados en redes neuronales tradicionales suelen entrenarse en variantes específicas del problema, lo que los hace frágiles al enfrentarse a nuevas combinaciones de restricciones. Aunque el Aprendizaje Multitarea (MTL) se ha aplicado a VRPs de un solo depósito, ha fallado en gran medida al abordar la complejidad de las variantes del MDVRP, sufriendo a menudo de:

Conflictos de Gradiente: Actualizaciones conflictivas al entrenar simultáneamente en conjuntos de restricciones diversos.
Mala Generalización: Incapacidad para manejar interacciones complejas entre restricciones (por ejemplo, rutas de retorno + ventanas de tiempo) sin reentrenamiento.
Condicionamiento Estático: Los modelos existentes tratan las restricciones como contexto de alto nivel en lugar de modular dinámicamente las representaciones internas.

2. Metodología: FiLMMeD

Los autores proponen FiLMMeD, un modelo unificado basado en redes neuronales diseñado para resolver 24 variantes distintas de MDVRP (incluyendo 8 formulaciones novedosas con rutas entre depósitos) y 16 variantes de VRP de un solo depósito. La arquitectura se basa en marcos codificador-decodificador basados en Transformers (extendiendo específicamente MTPOMO, MVMoE y CaDA).

Componentes Principales:

Modulación Lineal a Nivel de Características (FiLM):
- Mecanismo: En lugar de una simple concatenación de características de restricciones, FiLMMeD introduce un vector de condicionamiento $z$ (un vector booleano que indica las restricciones activas) para modular dinámicamente las incrustaciones de nodos.
- Implementación: El modelo calcula parámetros de escalado ( $\gamma$ ) y desplazamiento ( $\beta$ ) basados en $z$ mediante proyecciones lineales aprendibles. Estos parámetros se aplican a las incrustaciones de clientes como una transformación afín: $FiLM(h|\gamma, \beta) = \gamma \cdot h + \beta$ .
- Efecto: Esto permite que el modelo adapte sus representaciones internas específicamente a las restricciones activas de una instancia, desentrelazando efectivamente el espacio latente y mitigando los conflictos de gradiente entre tareas.
Estrategia de Aprendizaje por Currículo (CL):
- Motivación: El muestreo uniforme de todas las variantes (común en MTL de un solo depósito) conduce a una mala convergencia en el MDVRP debido a las interacciones complejas de restricciones.
- Estrategia: El currículo de entrenamiento está estructurado para aumentar progresivamente la complejidad:
  - Fase 1 (0-30%): Variantes de una sola restricción + variantes específicas de dos restricciones conocidas por ser difíciles (por ejemplo, ruta de retorno + ventana de tiempo).
  - Fase 2 (30-60%): Introducción de todas las variantes de dos restricciones.
  - Fase 3 (60-90%): Introducción de variantes de tres restricciones.
  - Fase 4 (90-100%): Conjunto completo incluyendo variantes de cuatro restricciones.
- Objetivo: Guiar al modelo desde el aprendizaje de efectos de restricciones aislados hasta dominar sus interacciones complejas.
Optimización de Preferencias (PO):
- Innovación: El artículo introduce PO como un paradigma de entrenamiento para MTL, reemplazando la pérdida estándar de Aprendizaje por Refuerzo (RL) (REINFORCE).
- Mecanismo: En lugar de optimizar recompensas escalares, el modelo aprende de preferencias pareadas entre trayectorias generadas para la misma instancia. Si la trayectoria $A$ tiene un mejor costo que $B$ , el modelo se optimiza para aumentar la probabilidad de $A$ en relación con $B$ .
- Ventaja: PO reduce la varianza del gradiente y es invariante a la escala (no afectada por la magnitud absoluta de los costos), abordando la inestabilidad y la interferencia de gradientes comunes en entornos MTL.

3. Contribuciones Clave

Primer Modelo MTL Unificado para MDVRP: FiLMMeD es el primer modelo diseñado explícitamente para manejar una amplia gama de variantes de MDVRP (24 en total), incluidas formulaciones novedosas de rutas entre depósitos.
Mecanismo FiLM para Condicionamiento de Restricciones: Demuestra que modular dinámicamente las incrustaciones basándose en atributos de restricciones mejora significativamente la generalización y desentrelaza el espacio latente en comparación con la concatenación estática de características.
Optimización de Preferencias en MTL: Proporciona la primera demostración de PO en un entorno MTL, mostrando que supera al RL tradicional en términos de estabilidad de convergencia y calidad de la solución.
Aprendizaje por Currículo Dirigido: Establece que el MDVRP requiere un currículo guiado (exposición gradual a la complejidad de las restricciones) en lugar de un muestreo uniforme, que es suficiente para problemas de un solo depósito.

4. Resultados Experimentales

Los autores realizaron experimentos extensos en 24 variantes de MDVRP y 16 VRPs de un solo depósito.

Rendimiento en MDVRP:
- FiLMMeD superó consistentemente a las líneas base más avanzadas (MTPOMO, MVMoE) y a heurísticas tradicionales (PyVRP) en términos de calidad de la solución (Brecha).
- En instancias de 50 nodos, FiLMMeD-MTPOMO redujo la brecha promedio en un 2.888% en comparación con su línea base.
- En instancias de 100 nodos, las mejoras fueron aún más significativas, con FiLMMeD-MVMoE superando a su línea base en un 5.288%.
- El modelo logró una generalización cero-shot superior en combinaciones de restricciones no vistas.
Rendimiento en VRP de un Solo Depósito:
- Cuando se ajustó finamente en variantes de un solo depósito, FiLMMeD (usando PO) logró resultados competitivos o superiores en comparación con líneas base entrenadas en conjuntos de datos masivos (por ejemplo, 100 millones de instancias), a pesar de haber sido entrenado en menos instancias (30 millones).
- FiLMMeD-CaDA† (combinando FiLM, PO y ReLD) logró el mejor rendimiento general, con una brecha promedio de 1.46% en instancias de 50 nodos.
Estudios de Ablación:
- FiLM: Eliminar FiLM resultó en un rendimiento significativamente peor en variantes no vistas (por ejemplo, la brecha aumentó de 5.297% a 5.716% para MVMoE).
- Currículo: El muestreo uniforme o las estrategias de entrenamiento "unificadas" llevaron a una mala convergencia en el MDVRP, validando la necesidad de la estrategia CL propuesta.
- PO vs. RL: Los modelos entrenados con PO mostraron una convergencia más rápida y brechas promedio más bajas en comparación con aquellos entrenados con REINFORCE en todas las arquitecturas.
Complejidad: El mecanismo FiLM agrega parámetros insignificantes (<0.01M, <1% de aumento) y una sobrecarga mínima de memoria GPU. Los tiempos de entrenamiento por época permanecen casi idénticos a las líneas base.

5. Significado

Este artículo representa un paso significativo hacia adelante en la optimización combinatoria neuronal para la logística:

Aplicabilidad Práctica: Al resolver 24 variantes en un único modelo unificado, FiLMMeD aborda el problema de "fragmentación" en la logística, donde las empresas necesitan actualmente solucionadores separados para diferentes conjuntos de restricciones.
Avance Teórico: Cuestiona el dominio del Aprendizaje por Refuerzo en CO al demostrar que la Optimización de Preferencias ofrece un paradigma de entrenamiento más estable y efectivo para el Aprendizaje Multitarea.
Perspectiva Arquitectónica: Prueba que el condicionamiento dinámico (FiLM) es superior a la incrustación de contexto estático para manejar restricciones heterogéneas, ofreciendo una hoja de ruta para futuros modelos de aprendizaje de problema cruzado.
Generalización: El éxito de la estrategia de aprendizaje por currículo destaca que la complejidad de las interacciones de restricciones en entornos multi-depósito requiere una ruta de aprendizaje estructurada, un hallazgo que puede aplicarse a otros problemas complejos de CO.

En resumen, FiLMMeD establece un nuevo estado del arte para solucionadores neuronales unificados en enrutamiento de vehículos, ofreciendo una solución escalable, flexible y altamente generalizable para los desafíos logísticos modernos y dinámicos.