건설을 통해 연결된 것: 여행 판매원 문제의 유용 근사 근사치 근사치를 배우기 위해

여행 판매인 문제(TSP) 해결을 위한 학습 기반 방법들은 종종 디코딩 또는 검색 후 생성된 투어를 통해 평가되지만 학습된 객체 자체는 자주 heatmap, assignment, 건설 정책, 또는 검색 지침 점수를 포함한 대리 공간 내에 존재한다. 이로 인해 가장 근본적인 질문이 숨겨지게 되는데, 그것은 디코딩 이전에 실제로 어떤 해밀토니언 구조가 학습되었는지에 관한 것이다. 본 연구에서, 디코딩 단계에서 대부분의 해밀토니언 구조를 남겨두기보다는 구조적으로 의미 있는 잠재 객체를 통해 TSP를 학습함으로써 이 질문에 직접적으로 대답한다. 연결된 건설에 의한 부트스트랩 $1$ tree Gibbs 가족을 기반으로, 우리는 end-to-end로 학습되는 비지도 학습 pipeline, C2TSP를 제안한다. C2TSP는 불편한 TSP 비용을 통해 암시적 미분을 통해 잔차 에지 변동을 학습하고, 구조적 수정을 위해 예상된 노드 비율 균형을 복원하는 smooth Held--Karp layer를 통해 구조적 수정을 한다. 또한, 인증서 지시된 날카로움은 연결된 분포를 투어와 유사한 구조로 더 밀접하게 밀어주고 있다. 실험 결과, C2TSP는 투어를 디코딩하는 데 강력한 성능을 보인다. 또한, 구조적 정보의 해석 가능성을 유지한다. Ablations는 투어 비용과 투어와 유사한 구조 모두가 jointly 향상되는 edge perturbation과 certificate-guided sharpening의 중요성을 확인한다.