用 AlphaGoZero 为大型图着色
人工智能
2019-11-11 v3 离散数学
机器学习
摘要
我们展示了深度强化学习的最新进展能够有效为非常大的图着色——这是一个众所周知的 NP 难问题，具有明确的商业应用。由于 AlphaGoZero 中使用的带上限置信界（Upper Confidence Bound）的蒙特卡洛树搜索算法能够改进给定启发式的性能，我们的方法允许使用高性能计算（HPC）技术训练的深度神经网络将计算转化为改进的启发式，且无需任何先验知识。我们方法的关键在于引入了一种新颖的深度神经网络架构（FastColorNet），该架构可访问完整的图上下文，并且对具有 个顶点的图着色需要 的时间和空间，从而能够扩展到并行计算、编译器、数值求解器和设计自动化等实际应用中出现的非常大的图。因此，我们能够学习到图着色的新最优启发式。
引用
@article{arxiv.1902.10162,
title = {Coloring Big Graphs with AlphaGoZero},
author = {Jiayi Huang and Mostofa Patwary and Gregory Diamos},
journal= {arXiv preprint arXiv:1902.10162},
year = {2019}
}