基于图强化学习的 ALNS 元启发式算子选择
机器学习
2023-03-01 v1 人工智能
最优化与控制
摘要
ALNS 是一种流行的元启发式方法,在求解组合优化问题上具有公认的高效性。然而,尽管对 ALNS 的研究已深入开展了 16 年,其中嵌入的自适应层能否高效选择算子以改进当前最优解仍是一个开放问题。本文中将算子的选择建模为马尔可夫决策过程,并提出了一种基于深度强化学习与图神经网络(GNN)的实用方法。结果表明,由于算子选择以当前解为条件,我们所提方法取得了优于经典 ALNS 自适应层的性能。我们还讨论了重要考量因素,如算子组合的规模以及算子选择尺度的影响。值得注意的是,我们的方法还能显著节省手工定制特定问题算子组合的时间与人力成本。
引用
@article{arxiv.2302.14678,
title = {Graph Reinforcement Learning for Operator Selection in the ALNS Metaheuristic},
author = {Syu-Ning Johnn and Victor-Alexandru Darvariu and Julia Handl and Joerg Kalcsics},
journal= {arXiv preprint arXiv:2302.14678},
year = {2023}
}
备注
To appear in Proceedings of The International Conference in Optimization and Learning (OLA2023)