# 离散模型扩散

离散扩散求解组合优化此前依赖离线训练的神经网络去噪器，而无需训练的模型驱动扩散只能处理连续变量、需把解取整。DMBD 把离散扩散的去噪过程改为用已知目标函数加权的蒙特卡洛采样直接逼近类别反向转移，在异构多机器人联盟形成与调度基准的 15 组设置中，有 14 组取得同类采样方法中最低的完工时间，并在 8 组中优于全部基线。

离散扩散求解组合优化此前依赖离线训练的神经网络去噪器，而无需训练的模型驱动扩散只能处理连续变量、需把解取整。DMBD 把离散扩散的去噪过程改为用已知目标函数加权的蒙特卡洛采样直接逼近类别反向转移，在异构多机器人联盟形成与调度基准的 15 组设置中，有 14 组取得同类采样方法中最低的完工时间，并在 8 组中优于全部基线。