是一个结合GNN和预测的经典案例。虽然不是直接的车辆控制，但为理解多智能体交互提供了重要基础。
探索了用图神经网络(GNN)通过强化学习(RL)训练来解决组合优化(CO)问题,通过学习逐步构建候选解的策略,取得了接近最先进方法的性能,同时减少了参数和训练时间。【转发】@爱可可-爱生活:[LG]《Graph Q-Learning...
作者在两个大规模异构网络和一个同构网络上进行了实验,总体而言,GPT-GNN在不同的实验设定下显著提高下游任务的性能,平均能达到9.1%的性能提升。另外,还评估了在不同百分比的标记数据下,GPT-GNN是否依然能取得提升。 AI研习社论文讨论微信群,分别有【NLP论文讨论群】【CV论文讨论群】【强化学习讨论群】,未来将会更细...