ASAP：利用满足性泛化边来加强神经组合优化
机器学习
2026-01-30 v3 人工智能
摘要
深度强化学习（DRL）已成为解决组合优化（CO）问题（如 3D 箱包问题（3D-BPP）、旅行商问题（TSP）或车辆路径问题（VRP））的有前景的方法，但这些神经求解器在面对分布迁移时常表现脆弱。为此，我们揭示了满足性泛化边（Satisficing Generalization Edge），并对其进行理论和实验验证：识别一组有前景的动作，比选择单个最优动作更具通用性。为利用这一特性，我们提出了自适应提议后选择（Adaptive Selection After Proposal，ASAP）框架，将决策过程分解为两个 distinct 阶段：一个作为鲁棒过滤器的提议策略，以及一个作为可适应决策者的选择策略。这种体系结构使我们能够实现高度有效的在线适应策略，其中选择策略可在新分布上进行快速微调。具体而言，我们引入了一个通过模型无关的元学习（Model-Agnostic Meta-Learning，MAML）增强的两阶段训练框架，以为快速适应做好准备。针对 3D-BPP、TSP 和 CVRP进行大量实验，表明ASAP在提高基于最先进基线方法的泛化能力方面具有优势，并在分布外实例上实现卓越的在线适应。
引用
@article{arxiv.2501.17377,
title = {ASAP: Exploiting the Satisficing Generalization Edge in Neural Combinatorial Optimization},
author = {Han Fang and Paul Weng and Yutong Ban},
journal= {arXiv preprint arXiv:2501.17377},
year = {2026}
}