1. 【NeurIPS 2020】Learning to Dispatch for Job Shop Scheduling via Deep Reinforcement Learning
链接：https://arxiv.org/abs/2010.12367
作者：Cong Zhang, Wen Song, Zhiguang Cao, Jie Zhang, Puay Siew Tan, Chi Xu
导读：优先调度规则（PDR）被广泛用于解决现实世界的作业车间调度问题（JSSP）， 但设计有效 PDR 是一项繁琐的任务，需要大量的专业知识，而且通常只能适用有限的场景。 在本文中，作者提出了基于深度强化学习Agent自动端到端学习 PDR。模型利用 JSSP 的析取图表示来适应图神经网络，将state输入至神经网络端到端输出action。实验表明，Agent能够学习到高质量 PDR，并且具有良好的泛化性。

2.【SOCS 2021】SOLO: Search Online, Learn Offline for Combinatorial Optimization Problems 
链接：https://arxiv.org/abs/2104.01646
作者：Joel Oren, Chana Ross, Maksym Lefarov, Felix Richter, Ayal Taitler, Zohar Feldman, Christian Daniel, Dotan Di Castro
导读：文章由Bosch Center for AI和以色列理工学院的学者完成。在本文中，作者提出了一种GNN-based端到端求解CO的模型。为了提高在线搜索的质量和效率，SOLO模型还采用MCTS来进行离线学习。实验结果表明，关于并行机作业调度问题（PMSP）和容量约束车辆路径问题（CVRP），SOLO与现有的基于学习的方法和启发式方法相比可以找到更高质量的解。

3.【NeurIPS 2019】Learning to Perform Local Rewriting for Combinatorial Optimization
链接：https://arxiv.org/abs/1810.00337
作者：Xinyun Chen, Yuandong Tian 
导读：本文由来自UC Berkeley和Facebook AI Research的学者完成。基于搜索的组合优化方法通常以启发式方法为指导，然而设计出好的启发式往往是困难和耗时的。在本文中，作者提出一个基于深度强化学习的组合优化问题搜索模型NeuRewriter，学习一个策略选择启发式和重写当前解的局部分量来迭代改进它，直到收敛。该策略分解为区域选择和规则选择组件，每个参数由一个神经网络进行训练，并使用Actor-Critic进行训练。Neurewriter 在表达式简化、在线作业调度和车辆路径问题这任务中性能优于Baseline算法。

编辑人：邓兴超 刘长安 王天富

内容中包含的图片若涉及版权问题，请及时与我们联系删除