非均匀采样预算对神经路由求解器收益有限
热点事件持续更新
非均匀采样预算对神经路由求解器收益有限
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Jinhyung Bae 提交的论文修订版研究了在总采样预算不变时,非均匀分配能否提升神经路由求解器的表现。针对 POMO、Attention Model 和 Sym-NCO 三个预训练求解器,在旅行商问题上,非均匀分配在训练分布内最多只降低 2.5% 的总最优性差距,均匀分配已接近最优。
AI 根据报道生成 · 54 分钟前更新
最新进展11月20日 13:00
神经路由求解器何时值得重新分配采样预算?实例级分配研究报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AI神经路由求解器何时值得重新分配采样预算?实例级分配研究
针对 POMO、Attention Model 和 Sym-NCO 三个预训练神经路由求解器,在旅行商问题上非均匀分配采样预算在训练分布内最多只降低 2.5% 的总最优性差距,均匀分配已接近最优。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。