HyperSAT：用于加权 MaxSAT 问题的无监督超图神经网络
机器学习
2025-04-17 v1
摘要
图神经网络（GNNs）因其能够高效地建模和捕捉文字与子句之间的结构依赖关系，在解决布尔满足性（SAT）和最大满足性（MaxSAT）问题方面显示出前景。然而，针对加权 MaxSAT 问题的 GNN 方法仍不成熟。挑战源于由于子句权重分布不均导致的非线性依赖和敏感目标函数。在本文中，我们提出了 HyperSAT，一种新型神经方法，采用无监督超图神经网络模型来解决加权 MaxSAT 问题。我们为加权 MaxSAT 实例构建了超图表示，并设计了交叉注意力机制以及共享表示约束损失函数，以捕捉超图中正负文字节点之间的逻辑交互。广泛的实验在各种加权 MaxSAT 数据集上表明，HyperSAT 的性能优于最新竞争方法。
引用
@article{arxiv.2504.11885,
title = {HyperSAT: Unsupervised Hypergraph Neural Networks for Weighted MaxSAT Problems},
author = {Qiyue Chen and Shaolin Tan and Suixiang Gao and Jinhu Lü},
journal= {arXiv preprint arXiv:2504.11885},
year = {2025}
}