Czy głębokie uczenie się jest przydatne do optymalizacji kombinatorycznej?

Czy istnieją grupy badawcze pracujące nad wykorzystaniem głębokiego uczenia się w kombinatorycznych problemach optymalizacyjnych?

Tak, jest artykuł Pointer Networks, który próbuje użyć głębokiego uczenia się do rozwiązania wypukłego kadłuba, triangulacji Delaunaya i TSP, wynik wygląda obiecująco, a przynajmniej może być wykorzystany jako dobry punkt wyjścia dla algorytmów optymalizacji.

Uczenie maszynowe można wykorzystać w oddziale i powiązanym algorytmie

• Wybierz zmienną rozgałęziającą (Khalil, Elias Boutros i wsp. „Nauka rozgałęziania w mieszanym programowaniu liczb całkowitych.” Trzydziesta konferencja AAAI na temat sztucznej inteligencji. 2016.)
• Zdecyduj, czy uruchomić pierwotną heurystykę w węźle (Khalil, Elias B. i wsp. „Uczenie się prowadzenia heurystyki w wyszukiwaniu drzew.” IJCAI. 2017.)

Do uczenia się na wzmocnieniu można się przyzwyczaić

• Naucz się lepszego kryterium dla chciwej konstrukcji rozwiązania w rozkładzie grafów (Khalil, Elias i wsp. „Uczenie się kombinatorycznych algorytmów optymalizacji na wykresach.” Postępy w systemach przetwarzania informacji neuronowych. 2017.)

Sprawdzić Bistra Dilkina'S (który wydaje się pionierem tego podejścia) Dyskusja na USC ISI seminarium AI .