KDD-BR 2021: Using Graph Neural Networks for Link Prediction in TSP Problem

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.
KDD-BR 2021:基于图神经网络的TSP问题链路预测
在旅行推销员问题(TSP)中,目标是找到一条经过所有城市的路线,并以最短的总旅行距离返回出发地。作为一个NP完全问题,寻找解并不容易,人们提出了几种启发式方法。目前,随着机器学习(ma)应用的进步,在最优解决方案中可以使用ma来预测城市之间的连接。我们的模型基于图神经网络,在KDD-BR 2021公共排行榜上获得了0.10645的F1分数,足以克服贪婪的解决方案。这表明AM可以是一种很好的技术,可以更快地生成解决方案,甚至构建更好的解决方案。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信