组合优化问题广泛存在于国防、交通、工业、生活等各个领域, 几十年来, 传统运筹优化方法是解决组合优化问题的主要手段, 但随着实际应用中问题规模的不断扩大、求解实时性的要求越来越高, 传统运筹优化算法面临着很大的计算压力, 很难实现组合优化问题的在线求解. 近年来随着深度学习技术的迅猛发展, 深度强化学习在围棋、机器人等领域的瞩目成果显示了其强大的学习能力与序贯决策能力. 鉴于此, 近年来涌现出了多个利用深度强化学习方法解决组合优化问题的新方法, 具有求解速度快、模型泛化能力强的优势, 为组合优化问题的求解提供了一种全新的思路. 因此本文总结回顾近些年利用深度强化学习方法解决组合优化问题的相关理论方法与应用研究, 对其基本原理、相关方法、应用研究进行总结和综述, 并指出未来该方向亟待解决的若干问题.

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200551

成为VIP会员查看完整内容
82

相关内容

深度强化学习 (DRL) 是一种使用深度学习技术扩展传统强化学习方法的一种机器学习方法。 传统强化学习方法的主要任务是使得主体根据从环境中获得的奖赏能够学习到最大化奖赏的行为。然而,传统无模型强化学习方法需要使用函数逼近技术使得主体能够学习出值函数或者策略。在这种情况下,深度学习强大的函数逼近能力自然成为了替代人工指定特征的最好手段并为性能更好的端到端学习的实现提供了可能。
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
106+阅读 · 2020年12月31日
专知会员服务
110+阅读 · 2020年12月17日
最新《图嵌入组合优化》综述论文,40页pdf
专知会员服务
75+阅读 · 2020年8月31日
专知会员服务
78+阅读 · 2020年8月4日
专知会员服务
42+阅读 · 2020年7月29日
专知会员服务
128+阅读 · 2020年7月10日
多智能体深度强化学习的若干关键科学问题
专知会员服务
180+阅读 · 2020年5月24日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
专知会员服务
200+阅读 · 2019年8月30日
最新《图嵌入组合优化》综述论文,40页pdf
深度学习模型可解释性的研究进展
专知
23+阅读 · 2020年8月1日
【基于元学习的推荐系统】5篇相关论文
专知
10+阅读 · 2020年1月20日
进展 | 张量网络的微分编程
中科院物理所
6+阅读 · 2019年9月22日
【机器学习】机器学习:未来十年研究热点
产业智能官
16+阅读 · 2018年11月4日
【团队新作】深度强化学习进展: 从AlphaGo到AlphaGo Zero
中国科学院自动化研究所
16+阅读 · 2018年1月31日
贝叶斯机器学习前沿进展
机器学习研究会
20+阅读 · 2018年1月21日
Arxiv
6+阅读 · 2019年4月8日
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Neural Architecture Optimization
Arxiv
8+阅读 · 2018年9月5日
Arxiv
3+阅读 · 2018年6月24日
Arxiv
25+阅读 · 2018年1月24日
VIP会员
相关VIP内容
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
106+阅读 · 2020年12月31日
专知会员服务
110+阅读 · 2020年12月17日
最新《图嵌入组合优化》综述论文,40页pdf
专知会员服务
75+阅读 · 2020年8月31日
专知会员服务
78+阅读 · 2020年8月4日
专知会员服务
42+阅读 · 2020年7月29日
专知会员服务
128+阅读 · 2020年7月10日
多智能体深度强化学习的若干关键科学问题
专知会员服务
180+阅读 · 2020年5月24日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
专知会员服务
200+阅读 · 2019年8月30日
相关资讯
最新《图嵌入组合优化》综述论文,40页pdf
深度学习模型可解释性的研究进展
专知
23+阅读 · 2020年8月1日
【基于元学习的推荐系统】5篇相关论文
专知
10+阅读 · 2020年1月20日
进展 | 张量网络的微分编程
中科院物理所
6+阅读 · 2019年9月22日
【机器学习】机器学习:未来十年研究热点
产业智能官
16+阅读 · 2018年11月4日
【团队新作】深度强化学习进展: 从AlphaGo到AlphaGo Zero
中国科学院自动化研究所
16+阅读 · 2018年1月31日
贝叶斯机器学习前沿进展
机器学习研究会
20+阅读 · 2018年1月21日
微信扫码咨询专知VIP会员