[Open DMQA Seminar] Neural Combinatorial Optimization
HTML-код
- Опубликовано: 22 сен 2024
- 조합 최적화 문제는 NP-Hard 문제로, 완전한 해를 탐색하기가 불가능하거나 매우 어려운 문제이다. 이러한 문제는 이론적인 문제 해결뿐만 아니라, 생산 설비 최적화, 컴퓨팅 자원 할당 최적화, 물류 운송 경로 최적화 등 다양한 실세계 문제를 모델링하는 데 사용된다. 조합 최적화 문제를 해결하기 위해 여러 알고리즘이 연구되어 왔으며, 최근에는 딥러닝의 발전으로 이를 적용하려는 시도가 이루어지고 있다. 이번 세미나에서는 대표적인 딥러닝 기반 조합 최적화 문제 해결 방법인 Pointer Network를 살펴본 후, 두 가지 실세계 조합 최적화 문제 해결 연구를 살펴 볼 것이다. 먼저 길찾기 문제에서 A* Search 알고리즘에 딥러닝을 접목한 Neural A* Search와, 반도체 제조 클러스터 장비의 효율적인 운영을 위해 동작 순서를 결정하는 스케줄링 로직을 강화학습의 일환인 DQN 방법론으로 접근한 사례를 차례로 소개한다.
참고자료:
[1] Vinyals, O., Fortunato, M., & Jaitly, N. (2015). Pointer networks. Advances in neural information processing systems, 28.
[2] Bello, I., Pham, H., Le, Q. V., Norouzi, M., & Bengio, S. (2016). Neural combinatorial optimization with reinforcement learning. arXiv preprint arXiv:1611.09940.
[3] Yonetani, R., Taniai, T., Barekatain, M., Nishimura, M., & Kanezaki, A. (2021, July). Path planning using neural a* search. In International conference on machine learning (pp. 12029-12039). PMLR.
[4] Kim, H. J., & Lee, J. H. (2024). Scheduling Cluster Tools for Concurrent Processing: Deep Reinforcement Learning With Adaptive Search. IEEE Transactions on Automation Science and Engineering.
유익한 리뷰 감사합니다. 혹시 해당 리뷰에서 제안하는 인공지능 알고리즘들의 빅오 복잡도는 어느정도일까요? 휴리스틱에 비해 얼마나 복잡도 이득이 있는지 궁금해서요