traveling salesman problem | BriefGPT

关键词traveling salesman problem

搜索结果 - 29

多模态大语言模型（MLLMs）中的视觉推理和多智能体方法：解决 TSP 和 mTSP 组合挑战
多模态大语言模型（MLLMs）利用覆盖文本、图像和音频的全面知识来灵活应对复杂问题，包括零样本上下文学习场景。本研究探讨了 MLLM 在使用描绘二维平面上点分布的图像解决旅行商问题（TSP）和多旅行商问题（mTSP）的能力。我们引入了一种创
PDF8 days ago
使用多模态大型语言模型解决组合问题：一个关于旅行推销员问题的案例研究
本文探讨了多模态大型语言模型（MLLMs）利用其视觉能力通过分析平面上点分布的图像来 “观察” 解决旅行商问题（TSP）的方法。实验证实了零样本、少样本、自我集成和自我精化零样本评估的结果令人鼓舞，我们期待这些发现将激发进一步探索 MLLM
PDF23 days ago
CycleFormer：基于语言建模的 TSP 求解器
我们提出了一种新的 Transformer 模型 CycleFormer 用于解决旅行推销员问题 (TSP)。该模型充分考虑了 TSP 的特点，并通过将编码器输出与解码器线性层相等以及直接连接编码器的上下文向量来实现这些元素的完全融合。通过
PDFa month ago
稀疏化对于 Transformer 和 Graph 神经网络在 TSP 中的重要性
对于旅行推销员问题 (TSP) 进行路由问题的研究中，提出了一种数据预处理方法，使用图稀疏化和注意力掩码来将编码器聚焦于 TSP 实例的关键部分，实验结果显示，适当的图稀疏化和注意力掩码方法可以显著提高整体架构的性能。
PDF3 months ago
数据 CUBE: 数据课程指导的句子表征学习
利用多任务指令调优，通过数据课程方法解决干扰问题，提升句子表示学习方法的性能。
PDF6 months ago
高效引导局部搜索的设计：进化计算与大型语言模型超越人类的实例
我们用大型语言模型结合进化计算范式提出了一种新的算法进化（AEL）框架，用于自动算法设计，并在旅行商问题中使用 AEL 设计了引导算法。实验证明，AEL 设计的引导算法在相同迭代预算下优于人工设计的引导算法，标志着自动算法设计的新纪元的出现
PDF6 months ago
CARSS: 合作注意力引导的强化子路径综合在解决旅行商问题中的应用
CARSS 是一种利用合作的多智能体强化学习方法，通过分解 TSP 求解过程为 “子路径生成” 和 “子路径合并” 两个步骤，采用关注机制来提高效率和可扩展性，证明了它在减少资源消耗、测试时间以及优化空间方面的优越性。
PDF6 months ago
车辆共享系统中一种优化投资问题的 A * 搜索算法
在车辆共享系统中，我们研究了一个最优投资问题，其中包括确定建立站点的顺序、车辆数量以及获得目标状态的策略，以及通过经营系统来最大化总利润的车辆数量和分配策略。该问题可以视为具有集合相关成本的旅行推销员问题的变体，并使用 A * 搜索算法进行
PDF8 months ago
学习使用灵活的神经 k-Opt 搜索可行和不可行路由问题的区域
本文介绍了一种用于路径规划问题的新型学习 - 搜索（L2S）求解器 NeuOpt，通过定制的行动因子分解方法和自定义的双流递归解码器，学习实现柔性的 k-opt 交换。我们提出了引导式非可行区域探索（GIRE）策略，通过补充带有可行性相关特
PDF8 months ago
基于强化学习的无自回归旅行商问题求解器
NAR4TSP 是第一个成功结合强化学习和非循环解码的解决 TSP 问题的算法，通过使用一个特殊设计的图神经网络以非循环的方式生成 TSP 解决方案，实现更快的推理速度，其训练使用了增强型强化学习策略，消除了传统基于监督学习的非循环模型的昂
PDFa year ago
ICML面向全方位可推广的神经网络方法解决车辆路径问题
本文提出了一种元学习框架，通过元学习可以有效地训练出初始化的模型，并具有快速适应新任务的能力，在旅行商问题和车辆路径问题的综合实验中，证明了方法的有效性。
PDFa year ago
AAAI指针转换器：用于旅行商问题的深度强化多指针 Transformer
本文提出了一种新的端到端深度强化学习方法 Pointerformer，基于多指针变压器，可解决旅行商问题（TSP）的内存消耗和算力问题，通过特征增强方法探索 TSP 的对称性以及增强上下文嵌入方法以包含更多综合上下文信息，此方法在小规模和大
PDFa year ago
规划电力传输线巡检的多旅行商问题
针对一个多路径单仓库场景下的检测车辆，提出了一种最优的输电线检测方法，该方法以旅行商问题为基础，运用了整数线性规划和组合元启发式算法。该方法在电力变电站进行了验证。
PDFa year ago
同行之路：一种新的 TSP 求解策略
本研究提出了一种基于模仿学习框架的策略来解决旅行商问题，并展示了所训练的图神经网络在大规模的 TSP 实例上的较快求解能力。
PDF2 years ago
基于人群的组合优化强化学习
通过引入基于 Population 的强化学习思想，由于其在最大化性能时尚未预定义特定的多样性，证明了该方法产生一组互补的策略，并在三个著名的 NP-hard 问题上获得最新的强化学习结果：旅行推销员问题 (TSP)，分配式车辆路径规划问题
PDF2 years ago
提高蚁群算法在解决大规模 TSP 实例中的效率
本研究提出了一种名为 Focused ACO 的 Ant Colony Optimization 变种，通过控制新构建解与先前选择解之间的差异数，实现了更加集中的搜索，同时与问题特定的局部搜索更有效地集成，这在解决大型 TSP 实例方面比现
PDF2 years ago
结合强化学习和最优传输的旅行商问题
利用熵正则化最优传输技术作为深度强化学习网络中的一层，以实现更快速的学习并在端到端训练期间强制执行分配约束和规定，从而对于解决组合优化问题的效率进行优化。
PDF2 years ago
第一届 AI4TSP 大赛：学习解决随机路线问题
介绍 2021 年国际人工智能联合大会（IJCAI-21）上第一个旅行推销员问题（TSP）人工智能竞赛，关注基于学习的算法，介绍了该竞赛的问题、比赛安排、获胜方法和结果概述。竞赛的胜利方法使 AI 在随机路由问题上取得了技术进步，也使路由问
PDF2 years ago
旅行推销员问题的增强自组织映射解决方案
本文通过改进的自组织映射方法提供了旅行推销员问题的次优解，并运用超参数调整来确定算法中最关键的特征，所有基准工作的改进都带来了一致的结果，可以激励未来的努力来改进这个算法并将其应用于不同的问题。
PDF3 years ago
ICLR提高 TSP 求解器泛化能力的博弈论方法
利用基于 PSRO（Policy Space Response Oracle）方法的两人零和博弈进行深度学习解算器的泛化能力提升，实现在不同的 TSP 任务中最大程度的通用性表现，最终实现了解算器人口的效用降低和达到 Nash 均衡。
PDF3 years ago