最新

大家好， 我整理了一个代码库，演示了如何从头开始直接在单个 TSPLIB 实例（lin318）上训练 PPO，无需预训练或 GPU。 代码库：https://github.com/jivaprime/TSP 1. 实验设置 问题：TSPLIB lin318 (最优解：42,029) & rd400 硬件：Google Colab（仅 CPU） 模型：单实例 PPO 策略 + 价值网络。从随机初始化开始。 局部搜索：训练期间使用轻量级 2-opt，评估时使用 Numba 加速的 3-opt。 核心概念：该策略并非设计为“稳定的平均误差最小化器”，而是作为一种高方差的探索者。目标不是保持平均差距较低，而是偶尔“激发出”局部搜索可以优化的极低误差巡回路线。 2. 结果：lin318 最佳结果：42,064（差距 ≈ +0.08%） 时间：在 Colab CPU 上大约 20 分钟内达到。 根据日志（包含在代码库中），低于 0.1% 差距的结果出现在 elapsed=0:19:49 左右。虽然平均误差在 3-4% 左右波动，但该策略成功地找到了一个 3-opt 可以利用的深盆地。 3. 扩展实验：Smart ILS & rd400 我使用“Smart ILS”（迭代局部搜索）后处理扩展了流程，以查看我们是否可以达到确切的最优解。 A. lin318 + ILS 将 PPO 生成的巡回路线（0.08% 差距）作为种子。 运行 Smart ILS 大约 20 分钟。 结果：达到了确切的最优解（42,029）。 B. rd400 + ILS PPO 阶段：在 CPU 上大约 2 小时。产生了大约 1.9% 差距的巡回路线。 ILS 阶段：使用 PPO 巡回路线作为种子。运行大约 40 分钟。 结果：达到了 0.079% 的差距（成本 15,293 vs 最优解 15,281）。 总结 该工作流程有效地分离了关注点： PPO：将搜索引向高质量的盆地（1-2% 的差距）。 ILS：在该盆地内深入挖掘以找到最优解。 如果您对实例级别的强化学习、基于 CPU 的优化或与 ML-TSP 基线（POMO、AM、NeuroLKH）进行比较感兴趣，请随时查看代码。 欢迎建设性的反馈！

嗨，HN 社区， 我开发了 Fin2Cents，旨在帮助人们学习投资，避免真金白银的风险，也防止陷入模因股投机。 你可以每天使用均值-方差优化（马科维茨 / 1990 年诺贝尔奖）来构建并压力测试投资组合。除此之外，还有： * 关于风险、回报和多元化的简短、游戏化的课程 * 一个实时排行榜，追踪你投资组合的每日（模拟）回报。 我试图解决的问题是：大多数人要么 1. 盲目追随潮流，或者 2. 完全避免投资，因为它让人感到害怕/不透明。 Fin2Cents 旨在走一条中间道路：帮助人们通过经过时间考验的理念，而不是靠感觉，来稳步积累财富。 非常欢迎 HN 社区提供关于产品、用户体验或整体方法的反馈。 iOS：<a href="https:&#x2F;&#x2F;apps.apple.com&#x2F;us&#x2F;app&#x2F;fin2cents&#x2F;id6754194187">https:&#x2F;&#x2F;apps.apple.com&#x2F;us&#x2F;app&#x2F;fin2cents&#x2F;id6754194187</a>（邀请码：2PZJmJ）。 乐于在评论中回答任何技术/产品问题。