【论文笔记】用机器学习解决组合优化问题的论文综述

本文综述了如何运用机器学习,特别是深度学习和深度增强学习,来解决组合优化问题,如旅行商问题(TSP)、3D装箱问题和车辆路径问题(VRP)。重点介绍了seq2seq模型、attention机制及其在这些问题中的应用。
摘要由CSDN通过智能技术生成

        现在用机器学习(特别是深度学习和深度增强学习)研究的组合优化问题:旅行商问题(TSP),3D装箱问题,车辆路径问题(VRP)等。

基础知识:

seq2seq:

           1、sequence to sequence learning with neural network.

          seq2seq框架的提出

attention:

           1、Recurrent Models of Visual Attention.

            attention机制的提出

           2、Neural machine translation by jointly learning to align and translate.

            attention机制用于机器翻译

           3、Attention Is All You Need.

           不采用传统的神经细胞,全attention机制神经网络Transformer的提出

问题应用:

TSP问题:

          1、Pointer Network.(Vinyals et al,NIPS,2015)

  • 5
    点赞
  • 49
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值