May, 2022
神经组合优化:领域的新玩家
Neural Combinatorial Optimization: a New Player in the Field
Andoni I. Garmendia, Josu Ceberio, Alexander Mendiburu
TL;DR本文对神经网络在传统组合优化框架中的性能、可迁移性、计算成本和对更大样本的普适性进行了详细研究,并在 NP-hard 问题线性排序问题上开发了神经组合优化模型。
Abstract
neural combinatorial optimization attempts to learn good heuristics for
solving a set of problems using Neural Network models and Reinforcement
Learning. Recently, its good performance has encouraged many practitioners to
develop →
neural combinatorial optimizationneural architecturescombinatorial optimization frameworkreinforcement learninglinear ordering problem
发现论文,激发创造
基于图神经网络的组合优化和推理
本文通过对近年来在组合优化、运筹学和机器学习等领域出现的基于图神经网络(GNNs)的组合优化求解方法和算法进行概述,以此向优化和机器学习研究者介绍这一领域的最新进展。
Feb, 2021
强化学习的神经组合优化
本文提出了一种利用神经网络和强化学习解决组合优化问题的框架,特别关注旅行推销员问题和背包问题,证明了该方法在不需要太多工程和启发式设计的情况下在二维欧几里得图上取得接近最优结果,并且可以得到具有多达 200 个项目实例的最优解。
Nov, 2016
组合优化的强化学习:一项调查研究
本文综述了近期在强化学习领域中在解决组合优化问题方面的进展,包含了 RL 框架与传统算法的比较以及各方法解决不同问题的时间线,结果表明基于 RL 的模型成为解决组合问题的方向值得期待。
Mar, 2020
线性时间内学习在实际图中求解组合优化问题
本文介绍一种使用强化学习训练图神经网络求解单人游戏定义的图组合优化问题的新框架,可以处理最小生成树、最短路径、旅行商问题和车辆路径问题等一系列问题,该方法可在线性运行时间内输出近似解,并且能够推广到多种情况,包括 NP 困难的问题和真实世界的图。
Jun, 2020
用神经算法进行组合优化的推理
本研究针对组合优化问题,提出了在深度学习模型训练前进行预训练以利用相关算法对于解决 TSP 问题具有提升作用的算法推理方法,并证明该方法能够优于传统深度学习模型。
May, 2023
物理启发图神经网络的组合优化
本文介绍了如何使用图神经网络来解决组合优化问题,包括最大割、最小顶点覆盖和最大独立集等一些组合优化问题。通过在问题哈密顿量上应用松弛策略,我们生成了一个可区分的损失函数,并在无监督训练过程结束后对整数变量进行简单的投影。实验表明,我们的方法在解决包含数百万个变量的问题时能够胜任。
Jul, 2021