混合几何散射网络能否助力求解最大团问题？
机器学习
2022-11-29 v2
摘要
我们提出一种基于几何散射的图神经网络（GNN）来近似求解 NP 困难的的最大团（MC）问题。我们构造了一个含两项的损失函数，一项鼓励网络寻找高度连接的节点，另一项作为节点构成团的约束的代理。然后我们利用该损失训练一种高效的 GNN 架构，其输出表示每个节点属于 MC 的概率的向量，并应用基于规则的解码器做出最终预测。散射变换的引入缓解了 GNN 中常见且会劣化我们所提设置性能的所谓过平滑问题。我们的实证结果表明，在解精度与推理速度方面，以及在与时间预算受限的 Gurobi 等传统求解器比较时，我们的方法均优于代表性的 GNN 基线。此外，我们的散射模型参数极为高效，参数数量仅约为先前 GNN 基线模型的 0.1\%。
引用
@article{arxiv.2206.01506,
title = {Can Hybrid Geometric Scattering Networks Help Solve the Maximum Clique Problem?},
author = {Yimeng Min and Frederik Wenkel and Michael Perlmutter and Guy Wolf},
journal= {arXiv preprint arXiv:2206.01506},
year = {2022}
}
备注
Accepted to NeurIPS 2022