求解大规模 0-1 背包问题及其在点云重采样中的应用
机器学习
2019-06-17 v1 计算机视觉与模式识别
最优化与控制
机器学习
摘要
0-1 背包问题在计算机科学、商业、运筹学等领域具有根本重要性。本文提出一种基于深度学习技术的方法来求解大规模 0-1 背包问题，其中产品（物品）数量庞大，且（或者）产品的值不一定是预先确定的，而是在优化过程中由外部赋值函数决定。我们的解法极大地受到了拉格朗日乘数法以及近期博弈论在深度学习中应用的启发。在基于这些方法正式定义我们提出的方法后，我们开发了一种自适应梯度上升法来稳定其优化过程。在我们的实验中，所提出的方法在一分钟内求解了所有大规模基准 KP 实例，而现有方法的运行时间则存在波动。我们还展示了该方法可用于其他应用，包括但不限于点云重采样。
引用
@article{arxiv.1906.05929,
title = {Solving Large-Scale 0-1 Knapsack Problems and its Application to Point Cloud Resampling},
author = {Duanshun Li and Jing Liu and Noseong Park and Dongeun Lee and Giridhar Ramachandran and Ali Seyedmazloom and Kookjin Lee and Chen Feng and Vadim Sokolov and Rajesh Ganesan},
journal= {arXiv preprint arXiv:1906.05929},
year = {2019}
}