图神经网络 | 基于图神经网络的组合优化和推理

【论文标题】Combinatorial optimization and reasoning with graph neural networks 【作者团队】Quentin Cappart，Didier Chételat，Elias Khalil，Andrea Lodi，Christopher Morris，Petar Veličković 【发表时间】2021/02/18 【机构】蒙特利尔综合理工大学、多伦多大学、DeepMind 【论文链接】https://arxiv.org/pdf/2102.09544.pdf

【推荐理由】 本文出自蒙特利尔综合理工大学、多伦多大学、DeepMind 联合团队。作者对图神经网络在组合优化及推理任务中的应用进行了回顾，指出了其排列不变性和稀疏性在作为求解器和辅助函数时具有的优势。 组合优化是运筹学和计算机科学中的一个成熟的研究领域。直到最近，该领域的方法主要都关注于解决孤立的实例的问题，而忽略了一个事实：这些实例实际上往往来源于相关的数据分布。然而，近年来研究人员逐渐开始使用机器学习（尤其是图神经网络）作为组合优化问题的构建模块（要么作为求解器，要么作为辅助函数）。图神经网络是一种可以有效地对组合和关系的输入进行编码的归纳偏置，这是因为它们具有排列不变性和稀疏性。 在本文中，作者对这个新兴的领域近年来涌现出的关键性进展进行了回顾，旨在为优化问题和机器学习研究者提供帮助。

内容中包含的图片若涉及版权问题，请及时与我们联系删除