通过热扩散实现高效组合优化

组合优化问题广泛存在，但由于其离散性质而具有内在的挑战性。现有方法的主要局限在于它们在每次迭代中只能访问解空间的一小部分，导致搜索全局最优的效率有限。为了克服这一挑战，不同于扩展求解器搜索范围的传统努力，我们专注于通过热扩散使信息主动向求解器传播。通过在保持目标函数最优值的同时对其进行变换，热扩散促进了从遥远区域到求解器的信息流动，提供了更高效的导航。利用热扩散，我们提出了一个求解一般组合优化问题的框架。所提出的方法在一系列最具挑战性和最常遇到的组合优化中表现出卓越的性能。呼应了利用热力学进行生成式人工智能的最新进展，我们的研究进一步揭示了其在推进组合优化方面的巨大潜力。