Agenti di Proiezione: Un Nuovo Approccio RL-GCO per l'Ottimizzazione su Grafi
Un nuovo preprint arXiv (2605.19721) introduce gli agenti di proiezione per l'ottimizzazione combinatoria su grafi (GCO). Il metodo opera in uno spazio di embedding continuo basato su GNN, prevedendo azioni latenti in un singolo passaggio in avanti e decodificandole in azioni discrete valide. Affronta i problemi di generalizzazione e scalabilità nei risolutori RL-GCO esistenti, consentendo un confronto equo tra i metodi tramite uno spazio di embedding condiviso per osservazioni e azioni. L'approccio viene valutato su diversi benchmark.
Fatti principali
- arXiv:2605.19721
- Gli agenti di proiezione operano in uno spazio di embedding continuo basato su GNN
- Prevedono un'azione latente in un singolo passaggio in avanti
- Decodificano l'azione latente in un'azione discreta valida
- Consentono un confronto equo tra metodi RL tramite uno spazio di embedding condiviso
- Affrontano le sfide di generalizzazione e scalabilità in GCO
- Valutati su diversi benchmark
- Combinano l'apprendimento per rinforzo con le reti neurali a grafo
Entità
Istituzioni
- arXiv