10.13229/j.cnki.jdxbgxb20200515
基于深度强化学习的随机局部搜索启发式方法
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.
计算机软件、可满足性、随机局部搜索、深度强化学习
51
TP181(自动化基础理论)
国家重点研发计划;国家自然科学基金;国家自然科学基金;吉林省自然科学基金;吉林省自然科学基金
2022-05-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
1420-1426