研究者提出用GFlowNets学习最短路径的框架

Nikita Morozov等研究者提出一种用生成流网络（GFlowNets）求解图最短路径的学习框架。他们证明，当总流量最小时，前向与后向策略只沿初始与终止状态间的最短路径遍历环境图，从而把任意无权图的最短路径问题归约为寻找最小总流量的非无环GFlowNet，并用流量正则化训练近似。 在排列环境寻路和多种尺寸魔方求解的测试中，该框架得到的解长度与专用SOTA方法相当，且测试时所需的搜索预算更小。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。