arXiv cs.LG@Oleksandr Slyvka, Jan Rubeš, Rodrigo Alves, Jan Legerský
45
推荐理由：这项研究用强化学习解决了刚性理论中的极值搜索难题，做图论或机器人运动规划的开发者可以直接借鉴其方法。
全部 AI 动态
AI 相关资讯全量信息流
5月14日
01:10
该研究提出了一种强化学习方法，用于寻找具有异常多实现数的最小刚性图。在刚性理论中，相同边长数据可对应多种几何实现，但传统穷举搜索因候选图数量爆炸和计算成本高昂而不可行。研究者利用Henneberg移动（0-和1-扩展）逐步构建图，并通过深度交叉熵方法优化实现数不变量，策略网络采用图同构网络编码器和置换等变动作头。实验表明，该方法在平面实现数上匹配已知最优解，并在球面实现数上改进了最佳已知边界，发现了新的记录图。