Soluzioni Umanoidi nell'Ottimizzazione Combinatoria tramite Apprendimento e Ricerca

Uno studio recente esplora le strategie quasi ottimali che gli esseri umani impiegano per affrontare i problemi del commesso viaggiatore euclideo (TSP) nonostante i loro vincoli computazionali. I ricercatori hanno raccolto soluzioni generate da esseri umani da un'ampia gamma di scenari TSP e le hanno valutate rispetto a politiche neurali derivate da Pointer Networks, che utilizzano reti neurali ricorrenti con metodi di puntamento basati sull'attenzione. Queste reti sono state addestrate attraverso vari approcci, tra cui apprendimento per rinforzo, apprendimento supervisionato da percorsi ottimali, apprendimento supervisionato da tour generati da esseri umani e messa a punto con apprendimento per rinforzo. L'obiettivo di questa ricerca è ottenere informazioni sulle caratteristiche dei tour umanoidi e sui processi di apprendimento alla base di tali soluzioni.