每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

超越简单图：多重图上的神经多目标路由

Created by
  • Haebom

作者

Filip Rydin、Attila Lischka、Jiaming Wu、Morteza Haghir Chehreghani、Bal azs Kulcs ar

大纲

本文提出了两种基于图神经网络的方法来解决多目标多图中的路由问题。第一种方法自递归地从多图中选择边来完成路径。第二种更具可扩展性的方法使用学习到的剪枝策略简化多图，然后在简化的图上执行自递归路由。通过实验评估这两种模型在各种问题和图分布中的性能，我们证明了其与稳健的启发式方法和基于神经网络的基线模型相比具有竞争力。我们的目标是克服现有单目标或多目标路由方法在适应多图方面的局限性。

Takeaways，Limitations

•
Takeaways：
◦
提出了一种基于图神经网络的有效解决多图多目标路由问题的方法。
◦
两种方法（直接和基于修剪）增加了对各种情况的适用性。
◦
实验验证了与现有方法相比的竞争性能。
◦
提供更适合实际问题的多图路由模型。
•
Limitations：
◦
需要进一步分析所提出模型的复杂性和计算成本。
◦
需要使用更加多样化和复杂的真实世界数据集进行额外的实验。
◦
剪枝策略还有优化和改进的空间。
◦
某些图形结构或问题类型的性能可能会下降。
👍
Made with Slashpage