强化学习解组合优化问题rl-cop

总结

知乎总结

kimi

在探索使用强化学习解决约束优化问题，如整数规划时，以下是一些可以参考的资料：

"Reinforcement Learning for Integer Programming: Learning to Cut" 是一篇介绍如何使用强化学习解决整数规划问题的研究论文。这篇论文提出了一种深度强化学习公式，网络架构和算法，用于智能自适应选择切割平面，这是一种现代整数规划求解器中使用的启发式方法
。

另一篇论文 "Deep reinforcement learning for solving resource constrained project scheduling problems with resource disruptions" 探讨了如何使用深度强化学习解决资源受限的项目调度问题，这可能对您在约束优化问题上的应用有所帮助
。

在 "Reinforcement Learning for Integer Programming: Learning to Cut" 这篇论文中，作者展示了如何通过强化学习来增强整数规划求解器的性能，特别是通过切割平面法来解决整数规划问题
。

"Model-based Constrained Reinforcement Learning using Generalized Control Barrier Function" 提出了一种基于模型的约束强化学习方法，使用广义控制屏障函数，这可能对处理约束优化问题提供新的视角
。

这些资料提供了强化学习在解决整数规划和约束优化问题上的理论和实践见解，可以作为您研究的起点。