当前位置: X-MOL 学术arXiv.cs.LG › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
旅行商问题的变压器网络
arXiv - CS - Machine Learning Pub Date : 2021-03-04 , DOI: arxiv-2103.03012
Xavier Bresson, Thomas Laurent

旅行推销员问题(TSP)是最流行和研究最多的组合问题,始于1951年的冯·诺依曼(von Neumann)。它推动了几种优化技术的发现,例如切割平面,分支定界,局部搜索,拉格朗日松弛,和模拟退火。在过去的五年中,出现了有前途的技术,其中(图)神经网络已经能够学习新的组合算法。主要问题是深度学习是否可以从数据中学习更好的启发式方法,即取代人工设计的启发式方法?之所以具有吸引力,是因为开发有效解决NP难题的算法可能需要多年的研究,而且许多行业问题本质上都是组合的。在这项工作中,我们建议将最初为自然语言处理而开发的最近成功的Transformer体系结构改编为组合式TSP。训练是通过强化学习来完成的,因此没有TSP训练解决方案,并且解码使用波束搜索。我们报告说,与最近学习的启发式算法相比,性能得到了改善,TSP50的最佳差距为0.004%,TSP100的最佳差距为0.39%。



"点击查看英文标题和摘要"

更新日期:2021-03-05
down
wechat
bug