基于空间信息增强图神经网络重新审视TSP的算法选择问题
机器学习
2023-02-09 v1
摘要
算法选择是一个著名问题，研究者探究如何构建代表问题实例的有用特征，并应用基于特征的机器学习模型预测哪种算法对给定实例最有效。然而，即便对于欧几里得旅行商问题（TSP）这类简单优化问题，仍缺乏通用且有效的问题实例特征表示。基于大量领域知识及解的后分析，文献中对TSP的重要特征已有较好理解。近年来，卷积神经网络（CNN）已成为TSP算法选择的流行方法。相比传统基于特征的机器学习模型，CNN具有自动特征学习能力且所需领域专业知识更少。但仍需先生成中间表示，即多幅图像来表示TSP实例。本文重新审视TSP的算法选择问题，提出一种称为GINES的新型图神经网络（GNN）。GINES以城市坐标和城市间距离为输入，由新的消息传递机制与局部邻域特征提取器组成，以学习TSP实例的空间信息。我们在两个基准数据集上评估GINES。结果表明GINES优于CNN及原始GINE模型，在一个数据集上优于传统手工特征方法。代码与数据集将在本文最终版本发布。
引用
@article{arxiv.2302.04035,
title = {Revisit the Algorithm Selection Problem for TSP with Spatial Information Enhanced Graph Neural Networks},
author = {Ya Song and Laurens Bliek and Yingqian Zhang},
journal= {arXiv preprint arXiv:2302.04035},
year = {2023}
}