RIDGECUT

新的强化学习框架学习带结构先验的图划分

研究人员开发了RIDGECUT，一个新颖的强化学习框架，用于图划分问题，特别是针对归一化割问题。该方法通过约束动作来强制执行结构划分，从而融入领域知识，其灵感来源于交通网络中划分常形成圆环和楔形。通过转换图并利用基于Transformer的策略和近端策略优化（Proximal Policy Optimization），RIDGECUT实现了更低的归一化割，并在各种图的大小和类型上表现出强大的泛化能力，在合成和真实世界交通数据上优于现有方法。