Resumen: El razonamiento algorítmico neural (NAR) es un campo creciente que tiene como objetivo incrustar la lógica algorítmica en las redes neuronales mediante la imitación de algoritmos clásicos. En este resumen extendido, detallamos nuestro intento de construir un razonador algorítmico neuronal que pueda resolver una mochila, un problema pseudopolinomial para unir algoritmos clásicos y optimización combinatoria, pero omitido en los puntos de referencia NAR estándar. Nuestro razonador algorítmico neuronal está diseñado para seguir de cerca la tubería de dos fases para el problema de la mochila, lo que implica la construcción primero de la tabla de programación dinámica y luego reconstruir la solución a partir de él. El enfoque, que modela estados intermedios a través de la supervisión de programación dinámica, logra una mejor generalización a mayores instancias problemáticas que una línea de base de predicción directa que intenta seleccionar el subconjunto óptimo solo de las entradas del problema.
Publicado Originalme en export.arxiv.org El 21 de septiembre de 2025.
Ver Fuente Original
