每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

结构搜索：组合优化的无监督置换学习

Created by
  • Haebom

作者

闵一萌，卡拉·P·戈麦斯

大纲

本文提出了一个针对旅行商问题 (TSP) 的非自回归框架。该框架无需显式探索，直接从学习到的排列中推导出解。通过对哈密顿环应用类似的变换，该模型学习通过连续松弛来近似排列矩阵。这种无监督学习方法的性能堪比传统的启发式算法，表明问题的固有结构可以有效地指导组合优化，而无需顺序决策。这项研究提供了确凿的证据，证明神经网络可以直接捕捉和利用组合结构。

Takeaways，Limitations

•
Takeaways：
◦
提出了一种无需顺序决策即可找到组合优化问题（例如旅行商问题）解决方案的新方法。
◦
我们通过实验证明神经网络可以直接学习和利用组合结构。
◦
实现与现有启发式算法相当的性能。
◦
展示通过非自回归模型进行高效计算的可能性。
•
Limitations：
◦
需要进一步验证所提出框架的泛化性能。
◦
需要进一步研究对更复杂的组合优化问题的适用性和可扩展性。
◦
使用持续放松的局限性以及探索改进方法的必要性。
◦
需要对不同规模和特征的TSP实例进行进一步的性能评估。
👍
Made with Slashpage