面向旅行商问题的测试时增强
机器学习
2024-05-09 v1 人工智能
摘要
我们提出将测试时增强（TTA）作为解决组合优化问题（包括旅行商问题）的有效技术。通常，具有不变性（即输出由节点索引唯一确定）的深度学习模型已被提出用于高效学习图结构。相反，我们将节点索引的置换（即交换距离矩阵的元素）解释为一种TTA方案。结果表明，我们的方法能够获得比最新模型更短的解。此外，我们表明，找到更接近精确解的解的概率随增强规模的增大而增加。
引用
@article{arxiv.2405.04767,
title = {Test-Time Augmentation for Traveling Salesperson Problem},
author = {Ryo Ishiyama and Takahiro Shirakawa and Seiichi Uchida and Shinnosuke Matsuo},
journal= {arXiv preprint arXiv:2405.04767},
year = {2024}
}