本文提出了一种深度强化学习框架来解决受限组合优化问题，定义为受约束马尔可夫决策过程（CMDP）。实验结果表明，该方法在约束工厂和资源分配问题上优于传统启发式算法。此外，介绍了自我改进学习（SIL）方法和ARCO框架，显著提升了神经组合优化的可扩展性和效率，尤其在旅行推销员和车辆路径问题上表现突出。