0-求解组合优化问题的具有递归特征的无监督图神经网络(arXiv 2024)(未完)

ABSTRACT

近年来，图神经网络（GNNs）作为一种有前途的方法，已经引起了相当大的关注，用于解决组合优化问题。我们介绍了一种名为QRF-GNN的新算法，该算法利用GNNs的力量来高效解决具有二次无约束二进制优化（QUBO）表述的组合问题。它依赖于无监督学习，并最小化从QUBO松弛导出的损失函数。该架构的关键组成部分是中间GNN预测的重复使用、并行卷积层以及将人工节点特征组合作为输入。算法的性能已经在最大割和图着色问题的基准数据集上进行了评估。实验结果表明，QRF-GNN超越了现有的基于图神经网络的方法，并且与最先进的传统启发式方法相当。

• 介绍了一种名为QRF-GNN的新型算法，有效解决具有二次无约束二进制优化（QUBO）表述的组合问题。依赖无监督学习，最小化QUBO松弛导出的损失函数。
• 该架构的关键组成部分是中间GNN预测的递归使用、并行卷积层以及将人工节点特征作为输入的组合。

1 Introduction

组合优化（CO）是计算机科学中一个著名的主题，它连接了运筹学