Graph Reinforcement Learning for Operator Selection in the ALNS Metaheuristic

要約

ALNS は、組み合わせ最適化問題を効率的に解決することで有名なメタヒューリスティックです。
ただし、ALNS に関する 16 年間の集中的な研究にもかかわらず、埋め込まれたアダプティブ レイヤーがオペレーターを効率的に選択して現職を改善できるかどうかは未解決の問題です。
この作業では、演算子の選択をマルコフ決定プロセスとして定式化し、深層強化学習とグラフ ニューラル ネットワークに基づく実用的なアプローチを提案します。
結果は、現在のソリューションに条件付けられたオペレーターの選択により、提案された方法が従来の ALNS アダプティブレイヤーよりも優れたパフォーマンスを達成することを示しています。
また、オペレーターのポートフォリオのサイズや、オペレーター スケールの選択の影響など、重要な考慮事項についても説明します。
特に、私たちのアプローチは、問題固有のオペレーターポートフォリオを手作りするための時間と人件費を大幅に節約することもできます。

要約(オリジナル)

ALNS is a popular metaheuristic with renowned efficiency in solving combinatorial optimisation problems. However, despite 16 years of intensive research into ALNS, whether the embedded adaptive layer can efficiently select operators to improve the incumbent remains an open question. In this work, we formulate the choice of operators as a Markov Decision Process, and propose a practical approach based on Deep Reinforcement Learning and Graph Neural Networks. The results show that our proposed method achieves better performance than the classic ALNS adaptive layer due to the choice of operator being conditioned on the current solution. We also discuss important considerations such as the size of the operator portfolio and the impact of the choice of operator scales. Notably, our approach can also save significant time and labour costs for handcrafting problem-specific operator portfolios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google