最適化問題with強化学習 - Shinichi0713/Reinforce-Learning-Study GitHub Wiki

強化学習（Reinforcement Learning, RL）でよく扱われる、または研究されている「最適化問題」の代表例をリストアップします。
これらは、RLのベンチマークや応用先として有名です。

強化学習で有名な最適化問題リスト

1. 組合せ最適化問題（Combinatorial Optimization）

巡回セールスマン問題（TSP, Traveling Salesman Problem）
ナップサック問題（Knapsack Problem）
グラフ彩色問題（Graph Coloring Problem）
最大カット問題（Max-Cut Problem）
配車・ルート最適化問題（Vehicle Routing Problem, VRP）
ジョブスケジューリング問題（Job Scheduling Problem）
クラスタリング問題（Clustering）
サブセット選択問題（Subset Selection）

2. 制御・経路計画

迷路探索（Maze Solving）
グリッドワールド（Grid World）
ロボットアーム制御（Robotic Arm Control）
カートポール（CartPole）
マウンテンカー（MountainCar）
ペンデュラム制御（Pendulum）

3. ゲーム・パズル

チェス、囲碁、将棋などのボードゲーム最適手探索
パズル（例：15パズル、ルービックキューブ）

4. リソース割当・スケジューリング

タスクスケジューリング（Task Scheduling）
マルチエージェントパスファインディング（Multi-Agent Path Finding）
ネットワーク帯域割当（Network Bandwidth Allocation）
エネルギーマネジメント（Energy Management）

5. その他

ポートフォリオ最適化（Portfolio Optimization）
強化学習によるハイパーパラメータチューニング（Hyperparameter Optimization）
自動設計（Architecture Search, AutoML）

参考：RL研究でよく使われるベンチマーク環境

OpenAI Gym（CartPole, MountainCar, LunarLander, Atariなど）
DeepMind Control Suite
MuJoCo（ロボティクス制御）
Google OR-Tools（組合せ最適化）

補足

組合せ最適化問題は、RL研究で近年特に注目されています（例：Pointer Network, Graph Neural Networkなどの応用）。
制御問題は古典的なRLのベンチマークで、深層強化学習の進展もこの分野から始まりました。