【论文笔记】NEURAL COMBINATORIAL OPTIMIZATION WITH REINFORCEMENT LEARNING
目录论文概论模型参数公式网络Critic网络论文强化学习+指针网络+组合优化概论主要是用强化学习中的策略梯度方法,来计算为TSP建立的指针网络模型的参数。同时发现策略梯度+主动学习的效果更好模型参数s:是输入的序列坐标集θ\thetaθ:网络的参数π\piπ:一种策略(参数)的输出结果公式定义结果好坏π\piπ结果出现的可能性【链式展开】定义在sss的空间中,参数为θ\thetaθ的L的期望值sss是SSS空间中的一个分布(子集),所以定义总的LLL为——期望
复制链接