np-hard problems | BriefGPT

关键词np-hard problems

搜索结果 - 13

自动图神经网络的组合优化
近年来，图神经网络（GNNs）在解决 NP-hard 组合优化问题方面变得越来越流行。本文提出了一种名为 AutoGNP 的新型自动化 GNNs 类别，用于解决 NP-hard 问题，并通过图神经网络搜索算法自动查找给定 NP-hard 组
PDFa month ago
使用图神经网络寻找哈密顿回路
通过小型消息传递图神经网络在临界状态下预测 Erdos-Renyi 随机图上的哈密顿回路，相较于现有的手工启发式方法，训练单个 GPU 大约 2.5 小时后性能表现更好，这种训练方法相较于手工设计的启发式算法具有较快的训练速度和较少的问题特
PDFa year ago
基于人群的组合优化强化学习
通过引入基于 Population 的强化学习思想，由于其在最大化性能时尚未预定义特定的多样性，证明了该方法产生一组互补的策略，并在三个著名的 NP-hard 问题上获得最新的强化学习结果：旅行推销员问题 (TSP)，分配式车辆路径规划问题
PDF2 years ago
强化学习辅助的递归 QAOA
设计出更好的用于组合优化的量子算法，结合强化学习增强递归 QAOA 表现，与传统 QAOA 相比，表现更好。
PDF2 years ago
物理启发图神经网络的组合优化
本文介绍了如何使用图神经网络来解决组合优化问题，包括最大割、最小顶点覆盖和最大独立集等一些组合优化问题。通过在问题哈密顿量上应用松弛策略，我们生成了一个可区分的损失函数，并在无监督训练过程结束后对整数变量进行简单的投影。实验表明，我们的方法
PDF3 years ago
POMO: 强化学习中带有多个最优解的策略优化
使用改进的 REINFORCE 算法的 POMO 方法，结合了基于增强的推理方法，可获得用于解决 NP-hard 问题的先进的启发式方法，可用于广泛的组合优化问题，显着提高了其性能和速度。
PDF4 years ago
线性时间内学习在实际图中求解组合优化问题
本文介绍一种使用强化学习训练图神经网络求解单人游戏定义的图组合优化问题的新框架，可以处理最小生成树、最短路径、旅行商问题和车辆路径问题等一系列问题，该方法可在线性运行时间内输出近似解，并且能够推广到多种情况，包括 NP 困难的问题和真实世界
PDF4 years ago
NIPS图卷积网络与引导树搜索的组合优化
文章提出一种基于深度学习和启发式算法的图卷积网络方法，用于解决某些 NP 困难问题，并在四个 NP 困难问题和五个数据集上进行了评估，结果表明该方法在某些 NP 困难问题上已经达到了高度优化的最新启发式算法的水平，并具有较强的泛化性和扩展性
PDF6 years ago
利用量子退火进行高效的组合优化
本文评估了 D-Wave 2X 量子退火器在 NP 难图问题（特别是团搜索和图划分）上的表现，比较了一系列量子求解器和当前的经典算法，并演示了在卡片上可以嵌入的实例中量子计算速度的大幅提升。
PDF6 years ago
小箱子大数据：优化可变尺寸装箱的深度学习方法
利用深度学习方法构建自适应系统，通过大量训练数据、自动特征选择和快速准确的标记，选择最佳的启发式算法以生成高质量的装箱方案，从而克服了传统人工智能机器学习方法的限制。
PDF7 years ago
最大团问题的搜索树形状及其对并行分支界限的影响
通过比较两种基于多核线程并行的最大团问题的分支定界算法的并行适应性，进一步提出了一种低开销、可扩展的工作分割机制，并通过解释并行搜索顺序和搜索空间内解的可能位置之间的交互来说明成功的原因。
PDF10 years ago
许多 NP 问题的 Ising 形式
本研究提供了 Ising 公式，可应用于许多 NP 完全问题和 NP 困难问题，包括 Karp 的 21 个 NP 完全问题，每种情况下，所需自旋数最多是问题大小的立方量级，该研究对于设计绝热量子优化算法可能会有帮助。
PDF11 years ago
稳定的实例是否容易？
这篇论文介绍了离散优化问题的稳定实例概念，并指出在许多实际情况下，只有足够稳定的实例才是有意义的。然后就稳定的 NP - 困难问题是否更容易解决提出问题。特别地，是否存在算法可以正确且在多项式时间内解决某些 NP - 困难问题的所有足够稳
PDF15 years ago