PARCO: Parallel AutoRegressive Models for Multi-Agent Combinatorial Optimization
다중 에이전트 조합 최적화에 쓰는 병렬 자기회귀 모델입니다.
개요 보기연구와 방법
연구를 설명하고, 방법을 살펴봅니다.
오믈렛 연구 아카이브에서 최적화 방법, 학습과 탐색, 다중 에이전트 시스템에 관한 논문을 살펴봅니다.
연구와 방법
14개 항목
LPMARL: Linear Programming-based Task Assignment for Hierarchical Multi-agent Reinforcement Learning
계층적 다중 에이전트 강화학습 안에서 선형계획법으로 작업을 할당합니다.
개요 보기RRNCO: Towards Real-World Routing with Neural Combinatorial Optimization
현실의 요구사항이 걸린 경로 문제를 신경망 조합 최적화로 풉니다.
개요 보기Neural Embedded Mixed-Integer Optimization for Location-Routing Problems
입지-경로 문제에서 신경망 모델을 혼합정수 최적화에 내장합니다.
개요 보기RL4CO: an Extensive Reinforcement Learning for Combinatorial Optimization Benchmark
조합 최적화용 강화학습 벤치마크이자 라이브러리입니다.
개요 보기Neural Genetic Search in Discrete Spaces
이산 해 공간에서의 신경망 유전 탐색입니다.
개요 보기CAMP: Collaborative Attention Model with Profiles for Vehicle Routing Problems
경로 문제를 위한 협력 어텐션과 차량 프로필입니다.
개요 보기Ant Colony Sampling with GFlowNets for Combinatorial Optimization
GFlowNet과 개미 군집 샘플링을 조합 최적화에 적용합니다.
개요 보기Generative Flows on Synthetic Pathway for Drug Design
신약 설계를 위한 합성 경로 기반 생성 플로우입니다.
개요 보기Genetic Algorithms with Neural Cost Predictor for Solving Hierarchical Vehicle Routing Problems
계층적 경로 문제를 푸는 유전 알고리즘 안에서 신경망으로 비용을 예측합니다.
개요 보기RouteFinder: Towards Foundation Models for Vehicle Routing Problems
여러 문제 설정을 아우르는 차량 경로 문제용 파운데이션 모델입니다.
개요 보기HiMAP: Learning Heuristics-Informed Policies for Large-Scale Multi-Agent Pathfinding
대규모 다중 에이전트 경로 탐색용 휴리스틱 기반 정책입니다.
개요 보기Equity-Transformer: Solving NP-hard Min-max Routing Problems as Sequential Generation with Equity Context
min-max 경로 문제를 형평성 맥락에 기반한 순차 생성으로 풉니다.
개요 보기A Neural Separation Algorithm for the Rounded Capacity Inequalities
차량 경로 문제의 rounded capacity inequality를 신경망으로 분리하는 기법입니다.
개요 보기일치하는 항목이 없습니다. 다른 키워드를 입력하거나 검색어를 지워 주세요.
인사이트 개요로 돌아가기