การเรียนรู้เชิงลึกมีประโยชน์สำหรับการเพิ่มประสิทธิภาพ combinatorial หรือไม่

มีกลุ่มวิจัยที่ทำงานเกี่ยวกับการใช้การเรียนรู้เชิงลึกสำหรับปัญหาการปรับให้เหมาะสมแบบ combinatorial หรือไม่?

ใช่มีเครือข่ายตัวชี้กระดาษที่พยายามใช้การเรียนรู้อย่างลึกซึ้งในการแก้ปัญหาเรือนูน, Delaunay triangulation และ TSP, ผลลัพธ์ดูมีแนวโน้มหรืออย่างน้อยก็สามารถใช้เป็นจุดเริ่มต้นที่ดีสำหรับอัลกอริธึมการเพิ่มประสิทธิภาพ

การเรียนรู้ของเครื่องสามารถใช้ในสาขาและอัลกอริทึมที่ถูกผูกไว้เพื่อ

• เลือกตัวแปรการแยก (Khalil, Elias Boutros และคณะ "เรียนรู้ที่สาขาในการเขียนโปรแกรมจำนวนเต็มแบบผสม" การประชุม AAAI ที่สามสิบบนปัญญาประดิษฐ์ 2016
• ตัดสินใจว่าจะเรียกใช้ฮิวริสติกครั้งแรกที่โหนด (คาลิลอีเลียสบีและคณะอื่น ๆ "เรียนรู้ที่จะเรียกใช้การวิเคราะห์พฤติกรรมในการค้นหาแบบต้นไม้" IJCAI 2017. )

การเรียนรู้การเสริมแรงสามารถนำมาใช้เพื่อ

• เรียนรู้เกณฑ์ที่ดีกว่าสำหรับการสร้างวิธีแก้ปัญหาโลภผ่านการกระจายกราฟ (Khalil, Elias, et al. "การเรียนรู้อัลกอริทึมการเพิ่มประสิทธิภาพ combinatorial มากกว่ากราฟ" ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 2017)

ตรวจสอบ Bistra Dilkina ของ (ที่ดูเหมือนว่าจะเป็นหัวหอกในวิธีนี้) พูดคุยที่ยูเอสเอสเอไอจัดงานสัมมนา