利用图神经网络学习分支定界中的节点比较
机器学习
2023-06-27 v1 人工智能
摘要
整数规划中的分支定界方法需要对下一步探索的空间部分进行排序，这一问题称为节点比较。我们提出一种新的连体图神经网络模型来解决该问题，其中节点表示为带属性的二部图。与先前工作类似，我们训练模型以模仿朝向最优解下潜的diving oracle。我们通过在普通框架中依据排名探索节点来求解实例，从而评估方法。在三个被选为尤其具原始难度的NP难基准上，相较开源求解器SCIP的默认排序函数以及竞争的机器学习方法，我们的方法带来更快的求解速度与更小的分支定界树。此外，这些结果泛化到比训练所用更大的实例。复现实验的代码见https://github.com/ds4dm/learn2comparenodes。
引用
@article{arxiv.2210.16934,
title = {Learning to Compare Nodes in Branch and Bound with Graph Neural Networks},
author = {Abdel Ghani Labassi and Didier Chételat and Andrea Lodi},
journal= {arXiv preprint arXiv:2210.16934},
year = {2023}
}
备注
7 pages, 3 figures, 2 tables