arXiv 机器学习· M. Harper Langston, Pierre-David Letourneau, Dalton Jones, Harris Teague, Peter Scott, Mingu Lee, Richard Lethin, Chris Lott, Roland Memisevic, Fatih Porikli·· 6 小时前AI 评分33
图粗化助力在算力受限非凸 MAX-CUT 中跳出局部最优
Graph Coarsening Enables Escaping Local Optima in Compute-Constrained Nonconvex MAX-CUT
AI 导读
研究人员提出结合组合多重网格（CMG）谱图粗化与粒子多项式松弛（PPR）的求解管线，用于在算力受限下优化 MAX-CUT 问题。该方法在已知精确最优解的 t2g20 基准上平均达到 97.5% 的最优解，配合离散局部搜索细化后在全部 60 个 Biq Mac 实例上均达到已发表的最优值。
来源：arXiv 机器学习 · arxiv.org