×

最大独立集和监督学习。 (英语) Zbl 07802586号

摘要:本文讨论了对最近提出的一种有监督学习算法的改进,以解决最大独立集问题。特别是,研究表明,通过简化所采用的神经网络学习的任务,可以改进算法,并对未发现实例上提供的解的质量产生可测量的影响。实证结果验证了这一观点。。

MSC公司:

05C69号 具有特殊属性的顶点子集(支配集、独立集、团等)
97R40型 人工智能(教育方面)(MSC2010)
05C60型 图论中的同态问题(重构猜想等)和同态(子图嵌入等)

软件:

亚当
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 吴,Q。;郝,J-K,《最大团问题算法综述》,欧洲期刊。第242、3、693-709号决议(2015年)·Zbl 1341.05241号 ·doi:10.1016/j.ejor.2014.09.064
[2] Leese,R。;Hurley,S.,《无线信道分配的方法和算法》(2002),牛津:牛津大学出版社,牛津·兹比尔1027.94500 ·doi:10.1093/oso/9780198503149.001.0001
[3] Montemanni,R.,Smith,D.H.,Allen,S.M.:固定频谱频率分配的下限。安·Oper。第107号决议、第237-250号决议(2001年)·Zbl 1015.90069号
[4] DH史密斯;Montemanni,R.,置换码新表,Des。密码隐秘。,63, 2, 241-253 (2012) ·Zbl 1237.05008号 ·doi:10.1007/s10623-011-9551-8
[5] DH史密斯;Montemanni,R.,具有指定填充半径的置换码,Des。密码隐秘。,69, 1, 95-106 (2013) ·Zbl 1269.05002号 ·数字对象标识代码:10.1007/s10623-012-9623-4
[6] Li,Z.,Chen,Q.,Koltun,V.:图卷积网络和引导树搜索的组合优化。摘自:《第32届神经信息处理系统会议记录》,第537-546页(2018年)
[7] 卡拉汉,R。;Pardalos,PM,最大团问题的精确算法,Oper。Res.Lett.公司。,9, 6, 375-382 (1990) ·Zbl 0711.90080号 ·doi:10.1016/0167-6377(90)90057-C
[8] Montemanni,R.,Barta,J.,Smith,D.H.:置换码算法的图着色和分支定界方法。收录:Rocha,A.等人(编辑)《信息系统和技术的新进展》。《智能系统与计算进展》,第444卷,第223-232页。查姆施普林格(2016)
[9] 厄斯特格德,PRJ,最大团问题的快速算法,离散应用。数学。,120, 197-207 (2002) ·Zbl 1019.05054号 ·doi:10.1016/S0166-218X(01)00290-6
[10] Jin,Y。;郝,J-K,基于swap的多邻域禁忌搜索最大独立集问题,工程应用。Artif公司。英特尔。,37, 20-33 (2015) ·doi:10.1016/j.engappai.2014.08.007
[11] DH史密斯;Perkins,S。;Montemanni,R.,用混合算法解决最大团问题,国际J.元启发式,7,2,152-175(2019)·doi:10.10504/IJMHEUR.2019.098270
[12] DH史密斯;蒙特曼尼,R。;Perkins,S.,禁忌搜索中精确算法的使用最大团算法,《算法》,13,10,253(2020)·doi:10.3390/a13100253
[13] He,H.,DauméH.III,Eisner,J.:学习在分支定界算法中搜索。摘自:第27届神经信息处理系统进展会议记录,第3293-3301页(2014)
[14] Vinyals,O.,Fortunato,M.,Jaitly,N.:指针网络。摘自:《第28届神经信息处理系统会议记录》,第2692-2700页(2015)
[15] Mele,U.J.、Chou,X.、Gambardella,L.M.、Montemanni,R:针对旅行推销员问题的强化学习和额外奖励。摘自:第七届IEEE工业工程与应用国际会议记录,第170-176页(2020年)
[16] Bello,I.、Pham,H.、Le,Q.V.、Norouzi,M.、Bengio,S.:强化学习的神经组合优化(2016)。arXiv公司:1611.09940
[17] Defferrard,M.,Bresson,X.,Vandergheynst,P.:具有快速局域谱滤波的图上卷积神经网络。摘自:《第三十届神经信息处理系统会议论文集》,第3844-3852页(2016)
[18] Kipf,T.N.,Welling,M.:图卷积网络的半监督分类。摘自:第五届学习代表国际会议记录(2017年)
[19] 西尔弗·D。;黄,A。;麦迪森,首席法官;A.盖兹。;Sifre,L。;van den Driessche,G.,《用深度神经网络和树搜索掌握围棋游戏》,《自然》,529,484-489(2016)·doi:10.1038/nature16961
[20] 西尔弗·D。;Schrittwieser,J。;Simonyan,K。;安东尼奥卢,I。;黄,A。;Guez,A.,《在没有人类知识的情况下掌握围棋游戏》,《自然》,550,354-359(2017)·doi:10.1038/nature24270
[21] Schrittwieser,J。;安东尼奥卢,I。;休伯特,T。;Simonyan,K。;Sifre,L。;Schmitt,S.,通过学习模型规划掌握雅达利、围棋、象棋和shogi,《自然》,588,604-609(2020)·doi:10.1038/s41586-020-03051-4
[22] Nair,V.,Hinton,G.E.:整流线性单元改善了受限的Boltzmann机器。摘自:第27届国际机器学习会议论文集。《Omnipress》(2010)
[23] Guzmán-Rivera,A.,Batra,D.,Kohli,P.:多选学习:学习产生多种结构化输出。摘自:《第25届神经信息处理系统会议记录》,第1799-1807页(2012)
[24] 安德拉德,DV;Resende,MGC公司;Werneck,RF,最大独立集问题的快速局部搜索,J.启发式,18,4,525-547(2012)·兹比尔1358.90143 ·doi:10.1007/s10732-012-9196-4
[25] 巴提提,R。;Protasi,M.,最大团问题的反应式局部搜索,算法,29,4,610-637(2001)·Zbl 0985.68016号 ·doi:10.1007/s004530010074
[26] Feo,TA;重发,MGC;Smith,SH,最大独立集的贪婪随机自适应搜索程序,Oper。研究,42,5,860-878(1994)·Zbl 0815.90121号 ·doi:10.1287/opre.42.5.860
[27] 秋叶,T。;岩田,Y.,Branch-and-reduce指数/FPT算法在实践中的应用:顶点覆盖的案例研究,Theor。计算。科学。,609,I,211-225(2016)·兹比尔1331.68281 ·doi:10.1016/j.tcs.2015.09.023
[28] 麦凯,BD,实用图同构,康格。数字。,30, 45-87 (1980) ·Zbl 0521.05061号
[29] 麦凯,BD;Piperno,A.,实用图同构,II,J.Symb。计算。,60, 94-112 (2014) ·Zbl 1394.05079号 ·doi:10.1016/j.jsc.2013.09.003
[30] Junttila,T.,Kaski,P.:规范标记的冲突传播和组件递归。摘自:Marchetti-Paccamela A.,Segal M.(编辑)《(计算机)系统中算法的理论与实践》,第151-162页(2011年)·Zbl 1325.05169号
[31] Montemanni,R.,Barta,J.,Smith,D.H.:置换码:分支定界方法。摘自:《国际纯粹数学、应用数学、计算方法会议录》,第86-90页(2014年)
[32] Xu,K。;Boussemart,F。;Hemery,F。;Lecoutre,C.,《随机约束满足:硬(可满足)实例的轻松生成》,Artif。英特尔。,171, 514-534 (2007) ·Zbl 1168.68554号 ·doi:10.1016/j.artint.2007.04.001文件
[33] Xu,K.、Boussemart,F.、Hemery,F.和Lecoutre,C.:生成难满足实例的简单模型。载:《第19届国际人工智能联合会议论文集》,第337-342页(2005年)
[34] Kingma,D.P.,Ba,J.:亚当:随机优化方法。摘自:圣地亚哥第三届学习代表国际会议记录。http://arxiv.org/abs/1412.6980 (2015)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。