题目:ASP: Learn a Universal Neural Solver!
ASP: 学习一个通用的神经求解器!
作者:C. Wang; Z. Yu; S. McAleer; T. Yu; Y. Yang
源码链接: https://github.com/LOGO-CUHKSZ/ASP
摘要
将机器学习应用于组合优化问题有潜力提高效率和准确性。然而,现有的基于学习的求解器在面对问题分布和规模变化时通常难以泛化。在本文中,我们提出了一种新方法,称为ASP:自适应阶梯策略空间响应神谕(Adaptive Staircase Policy Space Response Oracle),以解决这些泛化问题,并学习一个通用的神经求解器。ASP由两个组成部分构成:分布探索(Distributional Exploration),它使用策略空间响应神谕增强求解器处理未知分布的能力;以及持久规模适应(Persistent Scale Adaption),它通过课程学习提高可扩展性。我们在几个具有挑战性的组合优化问题(COPs)上测试了ASP,包括旅行商问题(TSP)、车辆路径问题(VRP)和带奖励收集的TSP,以及来自TSPLib和CVRPLib的真实世界实例。我们的结果表明,即使在相同的模型大小和弱训练信号下,ASP也能帮助神经求解器探索和适应未知的分布和变化的规模,实现卓越的性能。特别是,与