arXiv · ML· Ssu-Yuan Lo, Ching-Kai Wang, Kuan-Lun Chen, Hao-Tsung Yang·· 16 小时前AI 评分20
D-TSP 最优采样器：特性、界限与学习
The Optimal Sampler for Diverse TSP Solutions: Characterization, Limits, and Learning
AI 导读
针对多样化旅行商问题（D-TSP），提出将采样与选择分离的混合框架，实证性能优于基线。 理论上，证明了最优采样分布的端到端保证，使样本数量从 k 的指数级降至线性级，基准从最佳 k 个解放宽至最佳 βk 个。 应用层面，该框架支持无需微调的单模型训练，在逻辑几何与机器学习任务中有效平衡解的质量与容错性。
来源：arXiv · ML · arxiv.org