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。

本文提出了一种自我改进学习方法，以提高神经组合优化的可扩展性，特别针对旅行推销员问题和车辆路径问题。通过结合行为克隆和增强学习，简化了模型训练过程，并在多个实验中展现出优越性能。此外，研究探讨了心理学课程学习方法和图神经网络在组合优化中的应用，提出了有效的提示学习和联合学习框架，推动了该领域的发展。