文献类型：期刊文章

作　　者：王原[1] 陈名[1] 邢立宁[1] 吴亚辉[1] 马武彬[1] 赵宏[2]

Wang Yuan;Chen Ming;Xing Lining;Wu Yahui;Ma Wubin;Zhao Hong(College of Systems Engineering,National University of Defense Technology,Changsha 410073;Hunan Vocational Institute of Safety Technology,Changsha 410151)

机构地区：[1]国防科技大学系统工程学院,长沙410073 [2]湖南安全技术职业学院,长沙410151

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61773120);全国优秀博士学位论文作者专项资金(2014-92)。

年　　份：2021

卷　　号：58

期　　号：8

起止页码：1586-1598

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：启发式算法是求解组合优化问题求解的重要手段,其主要特征是能够以可接受的计算代价找到足够好的可行解.然而,设计良好的用于求解组合优化问题的启发式算法需要大量的专业领域知识以及大量的试错工作,且人工设计的启发式算法不能够保证在不同问题集上均具有一致性表现.另一方面,深度学习方法能够通过学习自动设计启发式规则,然而深度学习方法通常缺少在解空间内搜索的能力.为克服以上问题,提出了一种基于蚁群优化和深度强化学习的混合启发式算法框架.在该框架中,蚁群算法能够利用深度强化学习提取的启发式信息,而深度强化学习方法的解空间搜索性能也由于蚁群算法的加入而获得提高.采用经典的TSPLIB中的算例对该算法求解旅行商问题的效能进行了计算验证,结果表明采用深度学习方法能够极大地提升蚁群算法的计算表现,并降低其计算代价.

关 键 词：深度强化学习  蚁群优化算法 端到端学习  混合元启发式算法  旅行商问题

分 类 号：TP391]