神经重组器：通过局部重写学习实现组合优化

简介：
神经重组器是一种创新算法，它采用局部重写学习技术来优化复杂问题中的组合结构。这种方法能够有效提高计算效率和准确性，在多个领域展现出巨大潜力。 神经重写器此仓库提供了重复本段落实验的代码（Chen Xinyun, Tian Yuandong在NeurIPS 2019中的论文）。任务表达式简化：给定一个初始表达式，目标是找到等效但经过简化的表达式（例如更短的形式）。我们比较了以下基准方法与我们的方法（NeuRewriter）： - Z3简化：Z3中执行基于规则的重写策略。 - Halide-rule：使用Halide规则集进行重写。 - 启发式搜索：通过波束搜索利用Halide规则来寻找最短等效表达式的算法。 - Z3-ctx-solver-simplify：在Z3中实现，调用求解器以找到简化后的等价形式。 实验结果展示了神经重写器相对于这些基准方法的表现。