结合强化学习与最优传输求解旅行商问题
机器学习
2025-01-09 v1 人工智能
最优化与控制
摘要
旅行商问题是一个基本的组合优化问题，拥有强大的精确算法。然而，随着问题规模的扩大，这些精确算法无法在合理的时间内提供解决方案。为了解决这个问题，当前的工作着眼于利用深度学习来构建合理的解。这些努力非常成功，但往往速度慢且计算密集。本文例证了将熵正则化最优传输技术作为一个层集成到深度强化学习网络中的方法。我们证明，我们可以构建一个能够在无监督条件下学习且推理速度显著快于当前自回归方法的模型。我们还通过实验评估了在深度学习模型中包含最优传输算法以在端到端训练期间强制执行分配约束的好处。
引用
@article{arxiv.2203.00903,
title = {Combining Reinforcement Learning and Optimal Transport for the Traveling Salesman Problem},
author = {Yong Liang Goh and Wee Sun Lee and Xavier Bresson and Thomas Laurent and Nicholas Lim},
journal= {arXiv preprint arXiv:2203.00903},
year = {2025}
}