无训练数据的动态组合优化学习
机器学习
2026-01-30 v2
摘要
我们引入了 DyCO-GNN，一种用于动态组合优化的新型无监督学习框架，该框架不需要除问题实例本身之外的任何训练数据。DyCO-GNN 利用随时间演化的图快照间的结构相似性来加速优化，同时保持解的质量。我们在不同规模的各种数据集上，针对动态最大割、最大独立集和旅行商问题评估了 DyCO-GNN，展示了其在紧凑和中等时间预算下的优越性能。DyCO-GNN 始终优于基线方法，获得高质量解的速度最高提升 3 至 60 倍，凸显了其在快速演变且资源受限环境中的实际有效性。
引用
@article{arxiv.2505.19497,
title = {Learning for Dynamic Combinatorial Optimization without Training Data},
author = {Yiqiao Liao and Farinaz Koushanfar and Parinaz Naghizadeh},
journal= {arXiv preprint arXiv:2505.19497},
year = {2026}
}