团队组建的 QUBO 框架
机器学习
2025-10-27 v2 离散数学
社会与信息网络
摘要
团队组建问题假设存在一组专家和一个任务，其中每个专家拥有一组技能，而任务则需要某些技能。目标是找到一组专家，以最大化覆盖所需技能的同时，同时最小化专家相关的成本。不同的成本定义传统上导致不同的问题表述和算法解决方案。我们引入统一的 TeamFormation 框架，涵盖所有用于团队组建问题的成本定义，这些问题在任务覆盖和专家成本之间进行权衡。具体而言，我们使用二次无约束二进制优化 (QUBO) 表述了三个 TeamFormation 变体，分别采用不同的成本函数，并评估了两种不同的通用求解方法。我们表明，基于 TeamFormation 问题 QUBO 表述的解至少比已建立的基线方法好。 Furthermore, 我们表明，基于 QUBO 的解利用图神经网络可以有效地学习专家和技能的表示，从而实现迁移学习，使一个问题实例的节点嵌入可高效地应用于另一个问题实例。
引用
@article{arxiv.2503.23209,
title = {A QUBO Framework for Team Formation},
author = {Karan Vombatkere and Evimaria Terzi and Theodoros Lappas},
journal= {arXiv preprint arXiv:2503.23209},
year = {2025}
}