基于等变性与局部搜索的深度强化学习在TSP问题中的泛化能力
机器学习
2021-10-08 v1 人工智能
摘要
深度强化学习（RL）已被证明是解决小尺寸旅行商问题（TSP）实例的一种有竞争力的启发式方法，但其在更大尺寸实例上的性能不足。由于在大实例上训练是不切实际的，我们设计了一种专注于泛化能力的新型深度RL方法。我们的方案由一个简单的深度学习架构组成，该架构采用新型RL训练技术进行学习，并利用了两个主要思想。首先，我们利用等变性来促进训练。其次，我们将高效的局部搜索启发式方法与常规RL训练交错进行，以平滑价值景观。为了验证整个方法，我们在随机和真实TSP问题上针对相关的先进深度RL方法对我们的方案进行了实证评估。此外，我们进行了消融研究以理解其每个组件的贡献。
引用
@article{arxiv.2110.03595,
title = {Generalization in Deep RL for TSP Problems via Equivariance and Local Search},
author = {Wenbin Ouyang and Yisen Wang and Paul Weng and Shaochen Han},
journal= {arXiv preprint arXiv:2110.03595},
year = {2021}
}
备注
18 pages, 2 figures