arXiv · ML· Olivier Goudet, Quentin Suire, Adrien Go\"effon, Fr\'ed\'eric Saubion, Sylvain Lamprier·· 11 小时前AI 评分20
利用顺序不变强化学习解决黑盒组合优化
Black-Box Combinatorial Optimization with Order-Invariant Reinforcement Learning
AI 导读
研究人员提出一种顺序不变强化学习框架，用于解决黑盒组合优化问题，该方法通过随机采样生成顺序来训练模型。 框架适配了 Group Relative Policy Optimization (GRPO)，实现了稳定的策略梯度更新，并在多种基准测试中频繁取得最佳性能。 该方法增强了搜索空间的多样性，避免了传统分布估计算法中学习显式依赖图的开销。
来源：arXiv · ML · arxiv.org