最新

大家好， 我整理了一个代码库，演示如何从零开始在单个 TSPLIB 实例（lin318）上直接训练 PPO——无需预训练或 GPU。 代码库链接：[https://github.com/jivaprime/TSP](https://github.com/jivaprime/TSP) 1. 实验设置 问题：TSPLIB lin318（最优解：42,029）和 rd400 硬件：Google Colab（仅 CPU） 模型：单实例 PPO 策略 + 价值网络。以随机初始化开始。 局部搜索：训练期间使用轻量级的 2-opt，评估时使用 Numba 加速的 3-opt。 核心概念：与其说是“稳定的平均误差最小化器”，不如说这个策略被设计为高方差的探索者。目标不是保持平均差距低，而是偶尔“激增”出非常低误差的路径，以便局部搜索进行优化。 2. 结果：lin318 最佳结果：42,064（差距约 +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），小于 0.1% 的结果出现在经过时间为 0:19:49 时。虽然平均误差在 3% 到 4% 之间波动，但该策略成功找到了一个深的盆地，3-opt 可以利用。 3. 扩展实验：智能 ILS 和 rd400 我扩展了流程，使用“智能 ILS”（迭代局部搜索）后处理，看看我们是否能达到精确的最优解。 A. lin318 + ILS 以 PPO 生成的路径（0.08% 差距）作为种子。 运行智能 ILS 大约 20 分钟。 结果：达到了精确的最优解（42,029）。 B. rd400 + ILS PPO 阶段：在 CPU 上约 2 小时。生成的路径差距约为 1.9%。 ILS 阶段：使用 PPO 路径作为种子。运行约 40 分钟。 结果：达到了 0.079% 的差距（成本 15,293 对比最优解 15,281）。 总结 该工作流程有效地分离了关注点： PPO：引导搜索进入高质量的盆地（1% - 2% 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，欢迎查看代码。 欢迎建设性的反馈！

嘿，HN社区， 我创建了Fin2Cents，旨在帮助人们在不冒真实资金风险或陷入“迷因股”赌博的情况下学习投资。 您可以每天使用均值-方差优化（马科维茨 / 1990年诺贝尔奖）构建和压力测试投资组合。此外，还有： • 简短、游戏化的课程，讲解风险、收益和多样化 • 实时排行榜，跟踪您投资组合的每日（模拟）收益。 我试图解决的问题是：大多数人要么 1. 随意投资于任何热门趋势，或者 2. 完全避免投资，因为这让人感到恐惧/不透明。 Fin2Cents旨在寻找一条中间道路：帮助人们以经过时间考验的理念平静地积累财富，而不是凭感觉。 希望能得到HN社区的反馈——无论是关于产品、用户体验，还是整体方法。 iOS下载链接： [https://apps.apple.com/us/app/fin2cents/id6754194187](https://apps.apple.com/us/app/fin2cents/id6754194187)（邀请码：2PZJmJ）。 欢迎在评论中提出任何技术或产品方面的问题。