强化学习在组合优化中的应用综述
机器学习
2023-10-04 v3 机器学习
摘要
本文详细回顾了强化学习（RL）在组合优化中的应用，介绍了自20世纪50年代起的组合优化历史，并与近年来的RL算法进行了比较。本文明确考察了一个著名的组合问题——旅行商问题（TSP），将现代RL算法求解TSP的方法与20世纪70年代发表的一种方法进行对比。通过比较这些方法之间的相似性与差异，本文展示了RL算法如何因机器学习技术与计算能力的演进而得到优化。随后，本文简要介绍了名为深度RL的TSP深度学习方法，它是传统数学框架的扩展。在深度RL中，引入了注意力与特征编码机制以生成近似最优解。该综述表明，将深度学习机制（如注意力机制）与RL结合，可有效近似求解TSP。本文还认为，深度学习可作为一种通用方法，能与任何传统RL算法结合以提升TSP的求解效果。
引用
@article{arxiv.2008.12248,
title = {A Survey on Reinforcement Learning for Combinatorial Optimization},
author = {Yunhao Yang and Andrew Whinston},
journal= {arXiv preprint arXiv:2008.12248},
year = {2023}
}