本研究では、大規模な組合せ最適化問題に対する高い汎化性能を持つニューラルネットワークモデルを提案している。
具体的には以下の3つの主要な貢献がある:
問題のスケールや各ノード間の距離といった問題の特徴を効果的に活用するための「インスタンス条件付き適応モジュール」を提案した。これにより、問題の特徴を深く理解し、大規模な問題インスタンスに対しても優れた解を生成できるようになる。
3段階の強化学習ベースの訓練スキームを開発した。これにより、ラベル付きの最適解がなくても、大規模な問題インスタンスに渡る特徴を効果的に学習できるようになる。
実験の結果、提案手法が最先端の強化学習ベースの組合せ最適化手法と比べて、特に大規模な問題インスタンスに対して優れた性能を発揮することを示した。TSPやCVRPの1,000ノード以上の問題インスタンスに対して、最高の性能を達成している。
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Changliang Z... في arxiv.org 05-06-2024
https://arxiv.org/pdf/2405.01906.pdfاستفسارات أعمق