Reinforcement Learning-based Non-Autoregressive Solver for Traveling Salesman Problems

要約

巡回セールスマン問題 (TSP) は、さまざまな分野のアプリケーションの組み合わせ最適化におけるよく知られた問題です。
ただし、既存の TSP ソルバーは、低遅延で高品質のソリューションを生成するという課題に直面しています。
この問題に対処するために、特別に設計されたグラフ ニューラル ネットワーク (GNN) を使用して非自己回帰 (NAR) 方式で TSP ソリューションを生成し、より高速な推論速度を実現する NAR4TS​​P を提案します。
さらに、NAR4TS​​P は強化された強化学習 (RL) 戦略を使用してトレーニングされ、従来の教師あり学習ベースの NAR モデルのトレーニングに使用される高価なラベルへの依存を排除​​します。
私たちの知る限り、NAR4TS​​P は RL と NAR デコーディングをうまく組み合わせた最初の TSP ソルバーです。
合成 TSP インスタンスと現実世界の TSP インスタンスの両方に関する実験結果は、NAR4TS​​P がソリューションの品質、推論レイテンシ、一般化能力の点で 4 つの最先端のモデルよりも優れていることを示しています。
最後に、NAR4TS​​P のデコード プロセスとその全体的なパス プランニングの視覚化を示し、NAR4TS​​P をエンドツーエンド方式で実装する実現可能性とその有効性をそれぞれ示します。

要約(オリジナル)

The Traveling Salesman Problem (TSP) is a well-known problem in combinatorial optimization with applications in various domains. However, existing TSP solvers face challenges in producing high-quality solutions with low latency. To address this issue, we propose NAR4TSP, which produces TSP solutions in a Non-Autoregressive (NAR) manner using a specially designed Graph Neural Network (GNN), achieving faster inference speed. Moreover, NAR4TSP is trained using an enhanced Reinforcement Learning (RL) strategy, eliminating the dependency on costly labels used to train conventional supervised learning-based NAR models. To the best of our knowledge, NAR4TSP is the first TSP solver that successfully combines RL and NAR decoding. The experimental results on both synthetic and real-world TSP instances demonstrate that NAR4TSP outperforms four state-of-the-art models in terms of solution quality, inference latency, and generalization ability. Lastly, we present visualizations of NAR4TSP’s decoding process and its overall path planning to showcase the feasibility of implementing NAR4TSP in an end-to-end manner and its effectiveness, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google