🤖 machine learning

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

O artigo propõe o FiLMMeD, um modelo neural unificado inovador que aproveita a Modulação Linear Específica por Característica, a Otimização de Preferências e a aprendizagem curricular para resolver eficazmente 24 variantes diversas do Problema de Roteamento de Veículos com Múltiplos Depósitos, superando as linhas de base existentes de última geração.

Autores originais: Arthur Corrêa, Paulo Nascimento, Samuel Moniz

Publicado 2026-05-01

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Arthur Corrêa, Paulo Nascimento, Samuel Moniz

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é o gerente de uma empresa de entregas massiva. Você tem caminhões, motoristas e milhares de clientes. Sua função é descobrir a maneira mais eficiente de levar pacotes de seus armazéns até as portas dos clientes. Isso é o Problema de Roteirização de Veículos (VRP).

Agora, imagine que sua empresa cresce. Você não tem apenas um armazém; você tem múltiplos depósitos espalhados pela cidade. Isso torna o quebra-cabeça muito mais difícil. Isso é o VRP Multi-Depósito (MDVRP).

Para tornar as coisas ainda mais caóticas, a vida real lança obstáculos todos os dias:

Às vezes, um cliente quer que um pacote seja coletado (uma Retorno).
Às vezes, um caminhão tem um limite de tempo estrito para quanto tempo pode dirigir (Limite de Comprimento da Rota).
Às vezes, um cliente aceita entregas apenas entre 9h e 11h (Janela de Tempo).
Às vezes, um caminhão pode parar em um diferente armazém no meio de sua rota para recarregar (Rota Inter-depósito).

Tradicionalmente, resolver esses quebra-cabeças exigia contratar um especialista diferente para cada combinação única de regras. Se você adicionasse uma nova regra, teria que começar do zero.

Este artigo apresenta o FiLMMeD, um novo "super-solucionador" projetado para lidar com todas essas diferentes combinações de regras ao mesmo tempo, sem necessidade de ser re-treinado a cada vez. Eis como funciona, usando analogias simples:

1. Os "Óculos Inteligentes" (Modulação Linear Específica de Características)

Imagine que você está usando um par de óculos inteligentes. Quando você olha para um mapa, os óculos mudam a maneira como você vê o mundo com base nas regras do dia.

Se a regra for "Janelas de Tempo", os óculos destacam os relógios no mapa e escurecem o resto.
Se a regra for "Retornos", os óculos destacam os pontos de coleta e mudam a cor dos pontos de entrega.

No artigo, isso é chamado de FiLM (Modulação Linear Específica de Características). Em vez de construir um novo cérebro para cada regra, a IA usa um único cérebro, mas coloca esses "óculos inteligentes" (ajustes matemáticos) para adaptar instantaneamente seu pensamento interno às restrições específicas do problema atual. Isso permite que ela entenda que uma regra de "Janela de Tempo" altera a importância de certos pontos de dados, enquanto uma regra de "Retorno" altera outros.

2. O "Campo de Treinamento" (Aprendizado por Currículo)

Se você tentasse ensinar um aluno a resolver um problema matemático complexo jogando todas as variáveis possíveis nele no primeiro dia, ele provavelmente falharia. Você precisa de um Currículo.

Os autores perceberam que, para problemas Multi-Depósito, você não pode simplesmente misturar todas as regras aleatoriamente. Você precisa aumentar a dificuldade:

Fase 1: Ensine à IA problemas simples com apenas uma regra extra (por exemplo, apenas Janelas de Tempo).
Fase 2: Uma vez que ela domine isso, introduza problemas com duas regras.
Fase 3: Finalmente, deixe-a enfrentar as "batalhas contra chefes" com quatro ou cinco regras combinadas.

Essa estratégia de Aprendizado por Currículo atua como um campo de treinamento, garantindo que a IA aprenda os fundamentos de como as regras interagem antes de ficar sobrecarregada com os cenários mais complexos.

3. O "Feedback do Treinador" (Otimização de Preferência)

Geralmente, a IA aprende tentando adivinhar a resposta e recebendo uma pontuação (Recompensa) no final. Se a pontuação for baixa, ela tenta novamente. Isso pode ser confuso e lento, especialmente ao lidar com muitos tipos diferentes de problemas.

Os autores tentaram uma abordagem diferente chamada Otimização de Preferência (PO). Em vez de perguntar: "Quão boa é esta rota?" (dando um número), eles pedem à IA para comparar duas rotas: "A Rota A é melhor que a Rota B?"

Pense nisso como um treinador observando dois atletas correrem. O treinador não precisa saber a velocidade exata; ele só precisa saber quem cruzou a linha de chegada primeiro.
O artigo afirma que este método é mais estável e ajuda a IA a aprender mais rápido e melhor do que o método tradicional "baseado em pontuação", especialmente ao lidar com muitos tipos diferentes de problemas ao mesmo tempo.

O Que Eles Conquistaram?

A equipe testou seu novo modelo, o FiLMMeD, em 24 versões diferentes do problema Multi-Depósito (incluindo 8 tipos totalmente novos que eles inventaram) e 16 problemas de depósito único.

O Resultado: O FiLMMeD consistentemente superou os melhores modelos de IA anteriores. Ele encontrou rotas melhores, mais rápido, e conseguiu lidar com combinações complexas de regras com as quais outros modelos lutavam.
A Vitória "Zero-Shot": Mesmo quando testaram o modelo em combinações de regras que ele nunca tinha visto antes, ele ainda se saiu muito bem, provando que a abordagem de "óculos inteligentes" e "campo de treinamento" ajudou-o a entender verdadeiramente a lógica do problema, e não apenas a memorizar respostas.

Resumo

O artigo apresenta um novo sistema de IA que atua como um planejador de entregas universal. Ao usar óculos inteligentes para se adaptar a regras específicas, um campo de treinamento passo a passo para aprender complexidade e um estilo de coaching comparativo para aprender com eficiência, ele resolve quebra-cabeças logísticos complexos melhor do que qualquer método anterior, tudo isso sem precisar de um novo modelo para cada novo cenário.

1. Definição do Problema

O artigo aborda o Problema de Roteamento de Veículos Multi-Depósito (MDVRP), um problema complexo de otimização combinatória (CO) central para a logística moderna, particularmente no comércio eletrônico. Diferentemente do clássico VRP de depósito único, o MDVRP envolve o despacho de veículos a partir de múltiplos depósitos para atender clientes.

O desafio específico enfrentado é a generalização cross-problem. A logística real envolve restrições heterogêneas que variam dinamicamente (por exemplo, janelas de tempo, backhauls, limites de comprimento de rota, rotas abertas e transferências entre depósitos). Solvers baseados em redes neurais tradicionais são tipicamente treinados em variantes específicas de problemas, tornando-os frágeis quando confrontados com novas combinações de restrições. Embora a Aprendizagem Multi-Tarefa (MTL) tenha sido aplicada a VRPs de depósito único, ela falhou em grande parte em abordar a complexidade das variantes do MDVRP, frequentemente sofrendo de:

Conflitos de Gradiente: Atualizações conflitantes ao treinar em conjuntos de restrições diversos simultaneamente.
Má Generalização: Incapacidade de lidar com interações complexas entre restrições (por exemplo, backhauls + janelas de tempo) sem retreinamento.
Condicionamento Estático: Modelos existentes tratam restrições como contexto de alto nível, em vez de modular dinamicamente representações internas.

2. Metodologia: FiLMMeD

Os autores propõem o FiLMMeD, um modelo unificado baseado em redes neurais projetado para resolver 24 variantes distintas de MDVRP (incluindo 8 formulações novas com rotas inter-depósito) e 16 variantes de VRP de depósito único. A arquitetura é construída sobre frameworks codificador-decodificador baseados em Transformer (especificamente estendendo MTPOMO, MVMoE e CaDA).

Componentes Principais:

Modulação Linear Específica por Característica (FiLM):
- Mecanismo: Em vez de simples concatenação de características de restrições, o FiLMMeD introduz um vetor de condicionamento $z$ (um vetor Booleano indicando restrições ativas) para modular dinamicamente os embeddings de nós.
- Implementação: O modelo calcula parâmetros de escala ( $\gamma$ ) e deslocamento ( $\beta$ ) baseados em $z$ por meio de projeções lineares aprendíveis. Esses parâmetros são aplicados aos embeddings de clientes como uma transformação afim: $FiLM(h|\gamma, \beta) = \gamma \cdot h + \beta$ .
- Efeito: Isso permite que o modelo adapte suas representações internas especificamente às restrições ativas de uma instância, efetivamente desentrelaçando o espaço latente e mitigando conflitos de gradiente entre tarefas.
Estratégia de Aprendizagem de Currículo (CL):
- Motivação: A amostragem uniforme de todas as variantes (comum em MTL de depósito único) leva a uma convergência pobre no MDVRP devido a interações complexas de restrições.
- Estratégia: O currículo de treinamento é estruturado para aumentar progressivamente a complexidade:
  - Fase 1 (0-30%): Variantes de restrição única + variantes específicas de duas restrições conhecidas por serem difíceis (por exemplo, backhaul + janela de tempo).
  - Fase 2 (30-60%): Introdução de todas as variantes de duas restrições.
  - Fase 3 (60-90%): Introdução de variantes de três restrições.
  - Fase 4 (90-100%): Conjunto completo incluindo variantes de quatro restrições.
- Objetivo: Guiar o modelo da aprendizagem de efeitos de restrições isoladas para dominar suas interações complexas.
Otimização de Preferência (PO):
- Inovação: O artigo introduz PO como um paradigma de treinamento para MTL, substituindo a perda padrão de Aprendizado por Reforço (RL) (REINFORCE).
- Mecanismo: Em vez de otimizar recompensas escalares, o modelo aprende a partir de preferências pareadas entre trajetórias geradas para a mesma instância. Se a trajetória $A$ tem um custo melhor que $B$ , o modelo é otimizado para aumentar a probabilidade de $A$ em relação a $B$ .
- Vantagem: PO reduz a variância do gradiente e é invariante à escala (não afetado pela magnitude absoluta dos custos), abordando a instabilidade e a interferência de gradiente comuns em configurações de MTL.

3. Principais Contribuições

Primeiro Modelo Unificado MTL para MDVRP: O FiLMMeD é o primeiro modelo explicitamente projetado para lidar com uma ampla gama de variantes de MDVRP (24 no total), incluindo formulações novas de rotas inter-depósito.
Mecanismo FiLM para Condicionamento de Restrições: Demonstra que a modulação dinâmica de embeddings baseada em atributos de restrições melhora significativamente a generalização e desentrelaça o espaço latente em comparação com a concatenação estática de características.
Otimização de Preferência em MTL: Fornece a primeira demonstração de PO em um cenário de MTL, mostrando que supera o RL tradicional em termos de estabilidade de convergência e qualidade da solução.
Aprendizagem de Currículo Direcionada: Estabelece que o MDVRP requer um currículo guiado (exposição gradual à complexidade de restrições) em vez de amostragem uniforme, que é suficiente para problemas de depósito único.

4. Resultados Experimentais

Os autores conduziram experimentos extensivos em 24 variantes de MDVRP e 16 VRPs de depósito único.

Desempenho no MDVRP:
- O FiLMMeD superou consistentemente os baselines de última geração (MTPOMO, MVMoE) e heurísticas tradicionais (PyVRP) em termos de qualidade da solução (Gap).
- Em instâncias de 50 nós, o FiLMMeD-MTPOMO reduziu o gap médio em 2,888% em comparação com seu baseline.
- Em instâncias de 100 nós, as melhorias foram ainda mais significativas, com o FiLMMeD-MVMoE superando seu baseline em 5,288%.
- O modelo alcançou generalização zero-shot superior em combinações de restrições não vistas.
Desempenho no VRP de Depósito Único:
- Quando ajustado finamente em variantes de depósito único, o FiLMMeD (usando PO) alcançou resultados competitivos ou superiores em comparação com baselines treinados em conjuntos de dados massivos (por exemplo, 100 milhões de instâncias), apesar de ser treinado em menos instâncias (30 milhões).
- O FiLMMeD-CaDA† (combinando FiLM, PO e ReLD) alcançou o melhor desempenho geral, com um gap médio de 1,46% em instâncias de 50 nós.
Estudos de Ablação:
- FiLM: A remoção do FiLM resultou em desempenho significativamente pior em variantes não vistas (por exemplo, o gap aumentou de 5,297% para 5,716% para o MVMoE).
- Currículo: Amostragem uniforme ou estratégias de treinamento "unificadas" levaram a uma convergência pobre no MDVRP, validando a necessidade da estratégia de CL proposta.
- PO vs. RL: Modelos treinados com PO mostraram convergência mais rápida e gaps médios menores em comparação com aqueles treinados com REINFORCE em todas as arquiteturas.
Complexidade: O mecanismo FiLM adiciona parâmetros negligenciáveis (<0,01M, <1% de aumento) e sobrecarga mínima de memória GPU. Os tempos de treinamento por época permanecem quase idênticos aos baselines.

5. Significado

Este artigo representa um passo significativo para a frente na otimização combinatória neural para logística:

Aplicabilidade Prática: Ao resolver 24 variantes em um único modelo unificado, o FiLMMeD aborda o problema de "fragmentação" na logística, onde as empresas atualmente precisam de solvers separados para diferentes conjuntos de restrições.
Avanço Teórico: Desafia a dominância do Aprendizado por Reforço em CO, demonstrando que a Otimização de Preferência oferece um paradigma de treinamento mais estável e eficaz para Aprendizagem Multi-Tarefa.
Insight Arquitetural: Prova que o condicionamento dinâmico (FiLM) é superior ao embedding de contexto estático para lidar com restrições heterogêneas, oferecendo um modelo para futuros modelos de aprendizagem cross-problem.
Generalização: O sucesso da estratégia de aprendizagem de currículo destaca que a complexidade das interações de restrições em configurações multi-depósito requer um caminho de aprendizagem estruturado, uma descoberta que pode se aplicar a outros problemas complexos de CO.

Em resumo, o FiLMMeD estabelece um novo estado da arte para solvers neurais unificados em roteamento de veículos, oferecendo uma solução escalável, flexível e altamente generalizável para desafios logísticos modernos e dinâmicos.