Problema do vendedor ambulante com a rede neural

Fiquei curioso para saber se havia novos desenvolvimentos na solução do problema do vendedor ambulante usando algo como uma rede neural recorrente de Hopfield. Sinto que vi algo sobre pesquisas recentes obtendo um avanço nisso, mas não consigo encontrar os trabalhos acadêmicos em nenhum lugar. Alguém está ciente de novos desenvolvimentos novos nesta área?

Esta publicação do Medium lista os estudos mais recentes (não é uma lista completa, é claro) no domínio da otimização combinatória. Todos os três trabalhos usam o Deep Reinforcement Learning, que não precisa de nenhum conjunto de treinamento, mas aprende completamente com sua própria experiência.

Trabalho no primeiro artigo há algum tempo e o tempo de inferência está no nível de milissegundos. De acordo com seus experimentos, a taxa de aproximação (uma métrica que eles usam para comparar seu próprio método) em 1000-1200 casos de teste chega a 1,11.

existem muitos trabalhos sobre o uso de redes neurais artificiais para resolver TSP, incluindo redes recorrentes e Hopfield, e elas "obtêm sucesso" em um sentido grosseiro, mas até agora não parece haver nenhuma evidência de que as técnicas sejam de alguma forma (fortemente?) superior a outras abordagens algorítmicas, então é algo mais como uma curiosidade de pesquisa no momento. o uso de RNAs para esse problema é realmente contra-intuitivo do ponto de vista de algoritmos combinatórios e os mecanismos pelos quais as entradas / saídas do problema são codificadas são novos e tendem a variar, e talvez ainda não sejam tão padronizados. os autores parecem talvez mais interessados ​​em demonstrar a "prova de conceito" e uma comparação com outros tipos de algoritmos parece mais rara (há alguns no último artigo). veja por exemplo

• Problema do vendedor ambulante usando técnicas de redes neurais / Abdel-Moetty

• Usando redes Hopfield para resolver problemas de vendedores ambulantes com base na técnica de análise de estado estável / Feng, Douligeris

• Comparação de redes neurais para resolver o problema do vendedor ambulante / La Maire, Mladenov

• Uma Rede Neural Recorrente ao Problema do Vendedor Viajante / Siqueira, Scheer, Steiner

Eu comentei isso em outra resposta, mas acho que merece sua própria resposta. Alguns bolsistas do Google Brain apresentaram um método para resolver o TSP usando uma arquitetura remanescente do seq2seq no artigo de 2017 OTIMIZAÇÃO COMBINATORIAL NEURAL COM APRENDIZAGEM DE REFORÇO . Na introdução, eles chamam um artigo (1985) que usa redes Hopfield para resolver o TSP. Então essa ideia já existe há algum tempo.

Outra resposta mencionou o artigo "Pointer Networks" de 2015. Ele fez algo semelhante a este artigo, mas era um algoritmo supervisionado - precisava de dados rotulados. O artigo de 2017 não exige isso (usando a duração negativa do passeio como sinal de recompensa em um algoritmo de aprendizado por reforço).

A heurística "sempre aposta em redes neurais" não me decepcionou (mas, novamente, nunca passei por um inverno de IA).

Não vejo motivo para esperar que as redes neurais recorrentes da Hopfield ajudem no problema do vendedor ambulante.

As redes neurais são uma forma de aprendizado de máquina e são eficazes quando temos um conjunto de treinamento rotulado: várias instâncias, nas quais cada uma delas conhece a entrada (o vetor de recurso) e a etiqueta / classificação / saída correta. O aprendizado de máquina geralmente é útil para encontrar padrões quando não sabemos exatamente como definir qual é o resultado certo; "nós sabemos quando a vemos".

Por outro lado, o problema do vendedor ambulante é um problema combinatório: queremos saber o caminho mais curto através de um gráfico. Não há problema em definir ou especificar qual é a saída correta: é um problema matemático bem definido. Não há razão óbvia para pensar que o aprendizado de máquina seria útil para o problema do vendedor ambulante.