典型文献
一种求解旅行商问题的深度学习方法
文献摘要：
近年来,深度学习为求解组合优化问题提供了新的视角.但目前已有的方法在训练时基本都存在收敛速度慢的问题,学习到的策略性能不够高.针对该问题,以经典组合优化问题中的旅行商问题(Travelling salesman problem,TSP)为例,基于Transformer的模型结构,在编码器中屏蔽已访问的城市,解码器在每一步解码时都先对整个输入节点序列重新编码,并且使用新的编码输出得到的聚合嵌入向量和上一步访问的城市对应于编码输出中的节点嵌入向量构造新的上下文向量,结合强化学习的训练方法,提出了一种新的求解旅行商问题的深度学习模型,在随机标准均匀分布数据集上较现有的主流模型有更好的表现.
文献关键词：
深度学习;强化学习;组合优化问题;旅行商问题;注意力机制
中图分类号：
作者姓名：
孙嘉豪;刘勇
作者机构：
三峡大学计算机与信息学院,湖北宜昌443002
文献出处：
引用格式：
[1]孙嘉豪;刘勇-.一种求解旅行商问题的深度学习方法)[J].长江信息通信,2022(02):58-61
A类：
B类：
旅行商问题,深度学习方法,解组,组合优化问题,收敛速度,速度慢,策略性,Travelling,salesman,problem,TSP,Transformer,模型结构,在编,编码器,屏蔽,解码器,节点序,新编,出得,嵌入向量,应于,节点嵌入,上下文,强化学习,训练方法,深度学习模型,均匀分布,流模型,注意力机制
AB值：
0.430998
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
