典型文献
强化学习求解组合最优化问题的研究综述
文献摘要：
组合最优化问题(COP)的求解方法已经渗透到人工智能、运筹学等众多领域.随着数据规模的不断增大、问题更新速度的变快,运用传统方法求解COP问题在速度、精度、泛化能力等方面受到很大冲击.近年来,强化学习(RL)在无人驾驶、工业自动化等领域的广泛应用,显示出强大的决策力和学习能力,故而诸多研究者尝试使用RL求解COP问题,为求解此类问题提供了一种全新的方法.首先简要梳理常见的COP问题及其RL的基本原理;其次阐述RL求解COP问题的难点,分析RL应用于组合最优化(CO)领域的优势,对RL与COP问题结合的原理进行研究;然后总结近年来采用RL求解COP问题的理论方法和应用研究,对各类代表性研究所解决COP问题的关键要点、算法逻辑、优化效果进行对比分析,以突出RL模型的优越性,并对不同方法的局限性及其使用场景进行归纳总结;最后提出了四个RL求解COP问题的潜在研究方向.
文献关键词：
强化学习(RL);深度强化学习(DRL);组合最优化问题(COP)
中图分类号：
作者姓名：
王扬;陈智斌;吴兆蕊;高远
作者机构：
昆明理工大学 理学院,昆明 650000
文献出处：
引用格式：
[1]王扬;陈智斌;吴兆蕊;高远-.强化学习求解组合最优化问题的研究综述)[J].计算机科学与探索,2022(02):261-279
A类：
B类：
解组,组合最优化问题,COP,求解方法,渗透到,运筹学,变快,泛化能力,无人驾驶,工业自动化,故而,尝试使用,理论方法,方法和应用,关键要点,算法逻辑,优化效果,不同方法,使用场景,深度强化学习,DRL
AB值：
0.233652
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。
