CARSS：协同注意力引导的强化子路径合成用于求解旅行商问题
机器学习
2023-12-27 v1 多智能体系统
摘要
本文介绍了CARSS（协同注意力引导的强化子路径合成），一种通过利用协同多智能体强化学习（MARL）来解决旅行商问题（TSP）的新方法。CARSS将TSP求解过程分解为两个不同但协同的步骤：“子路径生成”和“子路径合并”。在前者中，采用协同多智能体强化学习框架，使用多个智能体迭代生成子路径。在后者中，这些子路径逐步合并形成完整回路。该算法的主要目标是通过采用多智能体分治范式，提高训练内存消耗、测试时间和可扩展性方面的效率。值得注意的是，注意力机制在CARSS中的特征嵌入和参数化策略中起着关键作用。模型的训练由独立的REINFORCE算法促进。实验表明，CARSS与单智能体替代方案相比具有优越性：它减少了GPU内存使用，支持近2.5倍大的训练图，并具有扩展到更大问题规模的潜力。此外，与标准解码方法相比，对于多达1000个顶点的TSP实例，CARSS将测试时间和优化差距减少了约50%。
引用
@article{arxiv.2312.15412,
title = {CARSS: Cooperative Attention-guided Reinforcement Subpath Synthesis for Solving Traveling Salesman Problem},
author = {Yuchen Shi and Congying Han and Tiande Guo},
journal= {arXiv preprint arXiv:2312.15412},
year = {2023}
}