Полезно ли глубокое обучение для комбинаторной оптимизации?

Существуют ли исследовательские группы, работающие над использованием глубокого обучения для задач комбинаторной оптимизации?

Да, есть бумага Pointer Network, которая пытается использовать глубокое обучение для решения выпуклой оболочки, триангуляции Делоне и TSP, результат выглядит многообещающим, или, по крайней мере, его можно использовать в качестве хорошей отправной точки для алгоритмов оптимизации.

Машинное обучение может быть использовано в алгоритме ветвления и привязки к

• Выберите переменную ветвления (Халил, Элиас Бутрос и др. «Обучение ветвлению в смешанном целочисленном программировании». Тридцатая конференция AAAI по искусственному интеллекту. 2016 г.)
• Решите, следует ли запускать первичную эвристику в узле (Халил, Элиас Б. и др. «Обучение запуску эвристики в поиске по дереву». IJCAI. 2017.)

Усиление обучения может быть использовано для

• Изучите лучший критерий для построения жадных решений по распределению графов (Khalil, Elias и др. «Изучение алгоритмов комбинаторной оптимизации по графам.» Достижения в системах обработки нейронной информации. 2017.)

Проверьте Бистр Dilkina ( в который , кажется, пионер этого подхода) Обсуждение на USC ISI AI семинаре .