通过重放组合优化问题的解学习蒙特卡洛搜索的先验
人工智能
2024-01-22 v1
摘要
蒙特卡洛搜索在多个困难的组合优化问题中取得了优异的结果。与均匀模拟对局相比，在搜索过程中使用先验执行非均匀模拟对局可大幅改善结果。针对组合优化问题量身定制的手工启发式方法常被用作先验。我们提出了一种自动计算先验的方法。该方法利用已解决问题的统计数据。这是一种简单且通用的方法，在模拟对局时不产生任何计算开销，却能带来巨大的性能提升。该方法被应用于三个困难的组合优化问题：拉丁方阵补全、数谜和逆 RNA 折叠。
引用
@article{arxiv.2401.10431,
title = {Learning a Prior for Monte Carlo Search by Replaying Solutions to Combinatorial Problems},
author = {Tristan Cazenave},
journal= {arXiv preprint arXiv:2401.10431},
year = {2024}
}