Finding Hamiltonian Cycles with Graph Neural Networks

We train a small message-passing graph neural network to predict Hamiltonian cycles on Erdos-Renyl random graphs in a critical regime. It outperforms existing hand-crafted heuristics after about 2.5 hours of training on a single GPU. Our findings encourage an alternative approach to solving computat...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	2023 International Symposium on Image and Signal Processing and Analysis (ISPA) S. 1 - 6
Hauptverfasser:	Bosnic, Filip, Sikic, Mile
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 18.09.2023
Schlagworte:	Graph algorithms Graphics processing units Heuristics design Machine learning Machine learning algorithms Neural nets NP-hard problem Signal processing Signal processing algorithms Supervised learning Training
ISSN:	1849-2266
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!