Abstract

最近提出的为组合优化问题学习启发式方法的想法很有前景，因为它可以节省昂贵的开发成本。然而，要将这一想法推向实际应用，我们需要更好的模型和更好的训练方法。我们在这两个方向都做出了贡献：我们提出了一种基于注意力层的模型，它比Pointer Network有更好的优势，并且我们展示了如何使用REINFORCE算法和基于确定性贪婪策略的简单基线来训练这个模型，我们发现这比使用价值函数更有效。我们在旅行商问题（TSP）上显著提高了最近学习的启发式方法，对于多达100个节点的问题，我们得到了接近最优结果。在相同的超参数下，我们为两种变体的车辆路径问题（VRP）、定向问题（OP）和（随机变体的）奖励收集TSP（PCTSP）学习了强大的启发式方法，超越了广泛的基线并且得到了接近高度优化和专门算法的结果。

1 Introduction

想象一下，你前往参加一个科学会议。这个领域非常受欢迎，你肯定不想错过任何内容。你已经选定了几个你想要参观的海报，自然你