神经在线图探索
机器学习
2021-04-07 v2 人工智能
摘要
我们能否学习如何高效探索未知空间？为回答此问题，我们研究在线图探索问题，即旅行商问题的在线版本。我们将图探索重新表述为强化学习问题，并应用直接未来预测（Dosovitskiy and Koltun, 2017）予以求解。由于图是在线发现的，相应的马尔可夫决策过程具有动态状态空间，即可观测图，以及动态动作空间，即构成图边界的节点。据我们所知，这是首次以数据驱动方式求解在线图探索的尝试。我们在六个程序生成图数据集与三个真实城市路网上进行了实验。我们证明，我们的智能体能够学到优于许多知名图遍历算法的策略，证实了探索可以被学习。
引用
@article{arxiv.2012.03345,
title = {Neural Online Graph Exploration},
author = {Ioannis Chiotellis and Daniel Cremers},
journal= {arXiv preprint arXiv:2012.03345},
year = {2021}
}