用于路径规划问题的记忆增强神经求解器

路径规划问题是许多现实应用的核心，但由于其（NP）难性质，仍然具有挑战性。在现有方法中，启发式方法通常在质量和可扩展性之间提供最佳折衷，使其适用于工业用途。虽然强化学习（RL）为设计启发式方法提供了灵活的框架，但其相对于手工启发式方法的采用仍不完善。现有的学习方法仍然缺乏适应特定实例并充分利用可用计算预算的能力。当前最好的方法要么依赖于一组预训练策略，要么依赖 RL 微调；因此无法在预算限制内充分利用新获取的信息。作为回应，我们提出了 MEMENTO，一种利用记忆在推理时改进神经求解器搜索的方法。MEMENTO 利用跨多次尝试收集的在线数据，根据先前决策的结果动态调整动作分布。我们在旅行商问题和带容量车辆路径规划问题上验证了其有效性，证明了其相对于树搜索和策略梯度微调的优越性；并表明它可以与基于多样性的求解器进行零样本组合。我们成功在大型实例上训练了所有 RL 自回归求解器，并验证了 MEMENTO 的可扩展性和数据效率：在 12 项评估任务中的 11 项上刷新了 SOTA。