Графовые Нейронные Сети для решения задач Комбинаторной Оптимизации

ФИО студента: Ермаков Андрей Максимович

Кампус/факультет: Факультет компьютерных наук

Программа: Науки о данных (Магистратура)

Год защиты: 2024

В данном тексте исследуется использование графовых нейронных сетей (GNN) для решения задач комбинаторной оптимизации, сформулированных в виде задачи безусловной квадратичной бинарной оптимизации (QUBO). В данной работе предлагается новый тип рекуррентности для GNN, используя промежуточные предсказания модели в качестве динамически изменяющихся характеристик вершин графа. В результате была разработана новая рекуррентная архитектура GNN. Вычислительные результаты были приведены на задачах поиска максимального разреза графа, максимального независимого множества графа, и раскраски графа. Они показывают, что предложенный алгоритм значительно превосходит по качеству существующие подходы, основанные на глубинном обучении, и не сильно уступает лучшим эвристикам, существенно опережая их по скорости, в особенности на больших задачах.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ