بهینه سازی GNN: یک راه حل مبتنی بر نمونه برداری برای مشکل مرکز k

نویسندگان:

(1) Junwei Su، گروه علوم کامپیوتر، دانشگاه هنگ کنگ و [email protected];

(2) چوان وو، گروه علوم کامپیوتر، دانشگاه هنگ کنگ و [email protected].

چکیده و 1 مقدمه

2 کارهای مرتبط

3 چارچوب

4 نتایج اصلی

5 مطالعه موردی در کوتاهترین مسافت

6 نتیجه گیری و بحث، و مراجع

7 اثبات قضیه 1

8 اثبات قضیه 2

9 روش حل معادله (6)

10 آزمایش های اضافی جزئیات و نتایج

11 کاربردهای بالقوه دیگر

9 روش حل معادله (6)

ابتدا به یاد بیاورید که مشکل بهینه سازی که می خواهیم حل کنیم به شرح زیر است.

که در آن k اندازه مجموعه اولیه داده شده است و Ds(.) در Def آورده شده است. 2 با کمترین فاصله مسیر به عنوان متریک. معادله 6 معادل مشکل شناخته شده مرکز k است [14] در تئوری گراف و NP-hard است. برای آزمایش خود از معادله استفاده می کنیم. 6 به عنوان راهنما و اصلاح الگوریتم حریص ساده، دورترین-اول پیمایش، به عنوان یک روش نمونه گیری برای به دست آوردن یک راه حل. اکنون توضیح می دهیم که چگونه الگوریتم استاندارد حریص را به یک الگوریتم نمونه برداری تغییر دادیم. ما با توصیف الگوریتم استاندارد حریص شروع می کنیم.

روشی که در بالا توضیح داده شد یک الگوریتم حریصانه استاندارد 2 تقریبی برای مشکل مرکز k است. در مرحله بعد، نوع نمونه برداری آن را که از …

Source link