研究人员开发了一个使用U(1)对称张量网络进行约束组合优化的新框架。该方法解决了将硬性线性约束纳入张量链(TT)模型中的挑战,而这类模型在可行解稀少时常常遇到困难。该框架包括一个用于稀疏对称张量的表达能力增强机制,以及一个用于指导训练期间样本选择的基于图的多样性度量,在分配基准测试中显示出比现有方法更高的解质量和更快的运行时间。 AI
影响 这项研究可能导致更高效的AI模型用于复杂的优化问题,潜在影响物流和资源分配等领域。
排序理由 学术论文,详细介绍了优化方面的新技术框架。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Constrained combinatorial optimization
- ConstrainTNet
- Hugging Face
- Tensor Train (TT) decomposition
- U(1)-symmetric tensor networks
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →