PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2602.13155v3cs.LG

그래프 신경망을 통한 균일 시설 입지 문제 근사 학습

Learning to Approximate Uniform Facility Location via Graph Neural Networks

신경망, 특히 메시지 전달 신경망(MPNN)은 어려운 조합 최적화(combinatorial optimization) 문제를 해결하기 위한 휴리스틱으로 점차 널리 활용되고 있습니다. 그러나 많은 학습(training) 기반 방법론들은 지도 학습, 강화학습(reinforcement learning), 또는 그래디언트(gradient) 추정기에 의존하여 높은 계산 비용, 불안정한 학습, 또는 제한적인 이론적 보장만을 제공하는 한계가 있습니다. 전통적인 근사 알고리즘은 최악 조건 보장을 제공하지만 미분 불가능하며 자연적인 입력 분포의 구조에 적응할 수 없습니다. 본 연구에서는 클러스터링, 요약, 물류, 공급망 등에 응용되는 문제인 균일 시설 입지(Uniform Facility Location, UniFL) 문제를 통해 이러한 상충 관계를 조사합니다. 솔버의 지도 신호나 이산 완화(discrete relaxation) 없이도 근사 알고리즘 원리를 통합하는 완전 미분 가능한 MPNN을 제안합니다. 제안된 모델(model)은 증명 가능한 근사 보장을 지니며, 경험적으로 표준 근사 알고리즘보다 향상된 성능을 보여 정수 선형 계획법(integer linear programming)과의 격차를 좁힙니다.