B. Afonso, Willian Oliveira, Jéssica D Lamosa, Lilian Berton
{"title":"KDD-BR 2021: Using Graph Neural Networks for Link Prediction in TSP Problem","authors":"B. Afonso, Willian Oliveira, Jéssica D Lamosa, Lilian Berton","doi":"10.5753/eniac.2021.18426","DOIUrl":null,"url":null,"abstract":"No problema do caixeiro viajante (TSP), o objetivo é encontrar uma rota que passe por todas as cidades e retorne à cidade de origem com a menor distância total percorrida. Como um problema NP-completo, encontrar soluções não é fácil, e várias heurísticas foram propostas. Atualmente, com o avanço no uso do Aprendizado de Máquina (AM), é possível usar o AM para prever conexões entre cidades na solução ótima. Nosso modelo, baseado em redes neurais de grafos, obteve uma pontuação F1 de 0,10645 na tabela de classificação pública do KDD-BR 2021, o suficiente para superar a solução gulosa. Isso mostra que o AM pode ser uma boa técnica para gerar soluções mais rapidamente ou até mesmo construir soluções melhores.","PeriodicalId":318676,"journal":{"name":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","volume":"18 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2021.18426","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1
Abstract
No problema do caixeiro viajante (TSP), o objetivo é encontrar uma rota que passe por todas as cidades e retorne à cidade de origem com a menor distância total percorrida. Como um problema NP-completo, encontrar soluções não é fácil, e várias heurísticas foram propostas. Atualmente, com o avanço no uso do Aprendizado de Máquina (AM), é possível usar o AM para prever conexões entre cidades na solução ótima. Nosso modelo, baseado em redes neurais de grafos, obteve uma pontuação F1 de 0,10645 na tabela de classificação pública do KDD-BR 2021, o suficiente para superar a solução gulosa. Isso mostra que o AM pode ser uma boa técnica para gerar soluções mais rapidamente ou até mesmo construir soluções melhores.