強化学習による探索的組合せ最適化【JST・京大機械翻訳】

Barrett Thomas D.; Clements William R.; Foerster Jakob N.; Lvovsky A. I.

プレプリント

J-GLOBAL ID：202202220622812600 整理番号：21P0016775

強化学習による探索的組合せ最適化【JST・京大機械翻訳】

Exploratory Combinatorial Optimization with Reinforcement Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2019年09月09日プレプリントサーバーでの情報更新日： 2020年01月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多くの実世界問題はグラフ上の組合せ最適化に低減でき,そこでは,いくつかの目的関数を最大化する頂点の部分集合または順序付けを見つける必要がある。このようなタスクはしばしばNP困難で解析的に扱いにくいため,強化学習(RL)は,これらの問題に取り組むための効率的な発見的方法が学習できるフレームワークとして有望性を示している。以前の研究は,時間的に1つの要素を加えることで,解部分集合を漸増的に構築するが,しかし,このアプローチの不可逆的な性質は,最適化タスクの複雑性を与える必要のある,その初期の決定を見直すことからエージェントを防いだ。代わりに,エージェントは,試験時間において探索するために学習によって解を連続的に改善する必要があることを提案した。探索的組合せ最適化(ECO-DQN)の手法は,原理的に,グラフ上で定義できる任意の組合せ問題に適用できる。実験的に,最大Cut問題に対して最先端のRL性能を生成する方法を示した。さらに,ECO-DQNは任意の任意構成から開始できるため,他の探索法と組み合わせることができ,さらに性能を改善し,簡単なランダム探索を用いて実証した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る