声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：王原,陈名,邢立宁,吴亚辉,马武彬,赵宏,
关键词：深度强化学习, 蚁群优化算法, 端到端学习, 混合元启发式算法, 旅行商问题,
启发式算法是求解组合优化问题求解的重要手段，其主要特征是能够以可接受的计算代价找到足够好的可行解.然而，设计良好的用于求解组合优化问题的启发式算法需要大量的专业领域知识以及大量的试错工作，且人工设计的启发式算法不能够保证在不同问题集上均具有一致性表现.另一方面，深度学习方法能够通过学习自动设计启发式规则，然而深度学习方法通常缺少在解空间内搜索的能力.为克服以上问题，提出了一种基于蚁群优化和深度强化学习的混合启发式算法框架.在该框架中，蚁群算法能够利用深度强化学习提取的启发式信息，而深度强化学习方法的解空间搜索性能也由于蚁群算法的加入而获得提高.采用经典的TSPLIB中的算例对该算法求解旅行商问题的效能进行了计算验证，结果表明采用深度学习方法能够极大地提升蚁群算法的计算表现，并降低其计算代价.
来源：2021年第8期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。