典型文献
自适应对抗学习求解旅行商问题
文献摘要：
深度学习为组合优化问题提供了新的解决思路,目前该研究方向多关注于对模型和训练方法的改良,更多的论文引入自然语言处理方向的新模型来加以改进求解效果,而缺乏从实例的数据生成方向来关注模型的泛化能力和鲁棒性.为解决该问题,借鉴对抗学习的思想,针对经典组合优化问题——旅行商问题,从数据生成方向切入研究,设计生成器网络,使用监督学习的方式来产生对抗样本,并将对抗样本加入到随机样本中混合训练,以改善模型对该类问题的泛化性能.同时,依据强化学习训练过程中判别器模型的更新方式提出一种自适应机制,来训练对抗模型,最终得到能够在随机分布样本上和对抗样本上都取得较好结果的模型.仿真验证了所提出方法的有效性.
文献关键词：
对抗训练;强化学习;模型泛化;旅行商问题
中图分类号：
作者姓名：
熊文瑞;陶继平
作者机构：
厦门大学 航空航天学院,福建 厦门 361005;厦门大学 大数据智能分析与决策重点实验室,福建 厦门 361005
文献出处：
引用格式：
[1]熊文瑞;陶继平-.自适应对抗学习求解旅行商问题)[J].计算机工程与应用,2022(17):224-229
A类：
B类：
对抗学习,旅行商问题,组合优化问题,解决思路,训练方法,自然语言处理,加以改进,数据生成,向来,泛化能力,设计生成,生成器,监督学习,对抗样本,随机样本,混合训练,泛化性能,强化学习,学习训练,训练过程,判别器,更新方式,自适应机制,随机分布,仿真验证,对抗训练,模型泛化
AB值：
0.393863
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。
