自我改进学习的可扩展神经组合优化
原文中文，约400字，阅读约需1分钟。发表于：。提出了一种自我改进学习（Self-Improved Learning, SIL）方法，用于提高神经组合优化（neural combinatorial optimization, NCO）的可扩展性，包括有效的模型训练和解决大规模问题实例的线性复杂度注意机制。在旅行推销员问题（Travelling Salesman Problem, TSP）和容量车辆路径问题（Capacitated...
研究人员提出了一种自我改进学习方法，用于提高神经组合优化的可扩展性。实验证明该方法在旅行推销员问题和容量车辆路径问题上具有出色的可扩展性。
