CMG热启动提升MAX-CUT求解效果
热点事件持续更新
CMG热启动提升MAX-CUT求解效果
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
arXiv 2026年10月15日一篇 cs.LG 论文提出用谱图粗化方法 Combinatorial Multigrid（CMG）为 Particle Polynomial Relaxation（PPR）提供热启动解，以提升 MAX-CUT 求解。作者 M. Harper Langston 等称，CMG 能在近线性时间内生成结构感知的初始解，无需训练数据。 在 t2g20（n=400）测试上，该方法平均达到最优解的 97.5%，最佳一次运行达到 98.4%。其思路是让计算受限的非凸求解借助图粗化逃离局部最优。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
图粗化让计算受限的非凸 MAX-CUT 逃离局部最优报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LG图粗化让计算受限的非凸 MAX-CUT 逃离局部最优
研究提出以 Particle Polynomial Relaxation（PPR）求解 MAX-CUT，并用谱图粗化方法 Combinatorial Multigrid（CMG）做热启动，在 t2g20（n=400）上平均达到最优解的 97.5%、最佳运行 98.4%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。