构造性神经组合优化的学习编码需要反悔

Abstract

深度强化学习的神经组合优化中，学习构造性启发式（LCH）通过快速的自回归解构建过程实现高质量的解决方案。

然而，这些基于LCH的方法在收敛性方面存在不足，与最优解仍存在性能差距。直观地说，在构建过程中学习对某些步骤反悔有助于提高训练效率和网络表示。本文提出了基于反悔的新颖机制，用于改进构建过程。

该方法可以作为插件用于任何现有基于LCH的DRL-NCO方法。

1 Introduction

LCH 方法具有更快的推理速度，并在泛化能力方面表现出优势（Ma 等人，2021；Liu 等人，2023）。当前基于 LCH 的 DRL - NCO 方法的网络架构，如注意力模型（AM）（Kool，van Hoof 和 Welling，2019）、Pointerformer（Jin 等人，2023）和 POMO（Kwon 等人，2020），采用了轻量级解码器和具有大量参数的重编