首页|基于深度强化学习的随机局部搜索启发式方法

基于深度强化学习的随机局部搜索启发式方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了更充分地利用可满足问题(SAT)的数据分布中的信息,从而提升算法性能,提出了一种基于深度强化学习的随机局部搜索启发式方法.把随机局部搜索算法中变量的选择看作强化学习任务,训练强化学习Agent学习策略作为随机局部搜索算法选择翻转变量的启发式,以期望通过端到端的方式获得效率更好的翻转变量的选择方法.实验结果表明,本文方法是有效的,并且与经典随机局部搜索算法ProbSAT相比,本文方法在性能上也有一定的优势,可以在更少的决策步骤内求出问题的解.
Stochastic local search heuristic method based on deep reinforcement learning

吕帅、刘京

展开 >

吉林大学 计算机科学与技术学院,长春 130012

吉林大学 软件学院,长春 130012

计算机软件 可满足性 随机局部搜索 深度强化学习

2017YFB100310361300049,6176300320180101053JC,20190201193JC

2021

10.13229/j.cnki.jdxbgxb20200515

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 17