广州市做企业网站网站建设狼盾网络
code: https://github.com/KasumigaokaUtaha/INViT
文章目录
- Abstract
- 1. Introduction
Abstract
近期，深度强化学习在学习快速启发式算法以解决路线规划问题方面展现出了巨大潜力。然而，大多数求解器在泛化到未见分布或不同规模的分布时存在困难。为此，我们提出了一种名为不变嵌套视图变换器（Invariant Nested View Transformer, INViT）的新型架构。该架构旨在通过在编码器内强制实施嵌套设计和不变视图来提升学习求解器的泛化能力。它采用了一种改进的策略梯度算法，并结合了数据增强技术。我们证明了，所提出的 INViT 在具有不同分布和问题规模的旅行商问题（TSP）和车辆路径问题（CVRP）上均展现出了卓越的泛化性能。代码可在 https://github.com/Kasumigaoka-Utaha/INViT 获取。
1. Introduction
在所有的组合优化问题中，路线规划问题（例如旅行商问题（TSP）或车辆路径问题（VRP）&