Aug, 2022

非阻塞批处理 A*（技术报告）

PDF
TL;DR使用神经网络进行启发式搜索的研究中，Non-Blocking Batch A* 提出了一种新的边界次优方法，该方法可以懒惰地以批处理方式计算神经网络启发式搜索结果，同时使用非神经网络启发式搜索算法进行扩展。在实验中发现，相较于当前阻塞式替代方法，这种微妙但重要的变化可以显著减少扩展次数，而性能与批处理计算的神经网络和快速的非神经网络启发式算法之间的信息差有关。
heuristic searchneural networksbatch computationsbounded suboptimalitynon-blocking batch a*
发现论文，激发创造
  • NP 难问题中启发式近似算法的（不）可扩展性

    本文探讨利用神经网络逼近完全信息启发式函数的可行性，发现对于 NP 难问题，其网络规模可能呈指数级上升，并建议研究方向转向寻找其他机器学习与启发式搜索相结合的方法。

    Sep, 2022

  • 神经 A * 搜索的路径规划

    本文提出了一种新颖的神经元 A * 算法，它是一种基于数据的搜索路径规划方法，通过将搜索算法经过改进后与卷积编码器相耦合，可以形成一个端到端训练的神经网络规划器。通过提供专家提供正确路径，通过学习与地面实况路径匹配，神经元 A * 可以精确高效地产生与实际路径一致的路径。实验证明，与最先进的基于数据驱动的规划器相比，神经元 A * 在搜索效率与最优性之间的权衡方面表现更好。此外，神经元 A * 成功地在自然图像输入上执行了基于搜索的人类运动预测。

    Sep, 2020

  • 学习 A * 启发式算法

    本文利用神经演算法推导出高效的启发式路径搜索算法，结合 Dijkstra 算法和 A * 算法中的一致的启发函数，并将其推广应用于图形中的路径搜索问题，结果表明相较于 Dijkstra 算法，应用基于学习到的 A * 算法中的启发函数的改进搜索在无损质量的情况下，实现了大幅的速度提升。

    Apr, 2022

  • 批次神经赌博机

    本文研究了一类常见的序贯决策问题 —— 批处理问题，提出了一种结合神经网络和乐观性的算法 BatchNeuralUCB，用于解决探索利用平衡及限制批数量的问题，并在理论上证明了其有效性，在合成和真实数据集上进行了验证。

    Feb, 2021

  • 使用神经网络学习特定搜索空间启发式算法

    建议并评估了一种系统，该系统学习了一种用于基于正向搜索的满足经典规划的神经网络启发式函数。我们的系统从头开始学习目标估计器，并生成训练数据。通过反向回归搜索或通过反向搜索从给定或猜测的目标状态生成培训数据。

    Jun, 2023

  • 模拟引导的神经组合优化梁搜索

    通过引入模拟指导波束搜索（SGBS）和有效主动搜索（EAS）的组合，提高了神经组合优化的搜索效率。

    Jul, 2022

  • 基于层次结构的批量结构化数据主动搜索扩展方法

    本文提出一种基于赌博机算法的层次化批量搜索（HBBS）框架，用于在生物学中的大型批量实验中最大化信息，通过在嵌入空间中分配批次选择来实现不同结构元素的广泛探索和利用。

    Jul, 2020

  • 在线广告中大规模最大加权 b 匹配问题的启发式搜索加速学习

    提出了 exttt {NeuSearcher} 算法解决大规模、动态的二部匹配问题，该算法基于多通道图神经网络，通过预测匹配边的权重阈值显著减少搜索区域，并结合并行启发式搜索算法迭代提高解决方案的质量，实验证明这种方法能提高 2 至 3 倍的运行速度，同时实现与最先进的近似算法相同的匹配解决方案。

    May, 2020

  • 图神经网络启发式算法无法在解决如 Max-Cut 等组合优化问题中超越贪婪算法

    Schuetz 等人提出了一种使用图神经网络作为启发式方法来解决各种组合优化问题的方案，该方法通过样例实例对网络进行训练，并应用广泛使用的技术来评估其成功的能力，尽管报告的结果只比梯度下降略有改善，但该方法承诺具有高度可伸缩性和计算成本线性。

    Oct, 2022

  • 基于多启发式搜索的自动停车运动规划

    采用多启发式搜索方法，在相比常规算法更复杂的搜索空间中获得更高效和更高质量的实时路径规划。

    Jul, 2023