MODRL/D-AM：基于分解与注意力模型的多目标深度强化学习优化算法
神经与进化计算
2020-02-14 v1 机器学习
摘要
近来，一种深度强化学习方法被提出用于求解多目标优化问题。该方法将多目标优化问题分解为若干单目标优化子问题，并以协作方式优化所有子问题。每个子问题用指针网络建模，并以强化学习训练模型。然而，当指针网络提取实例特征时，其忽略了输入节点的底层结构信息。因此，本文提出一种利用分解与注意力模型的多目标深度强化学习方法来求解多目标优化问题。在我们的方法中，每个子问题由一个注意力模型求解，其能利用输入节点的结构特征与节点特征。在多目标旅行商问题上的实验结果表明，所提算法相较先前方法取得了更优性能。
引用
@article{arxiv.2002.05484,
title = {MODRL/D-AM: Multiobjective Deep Reinforcement Learning Algorithm Using Decomposition and Attention Model for Multiobjective Optimization},
author = {Hong Wu and Jiahai Wang and Zizhen Zhang},
journal= {arXiv preprint arXiv:2002.05484},
year = {2020}
}