arXiv cs.LG· Haoran Liu, Guanyi Wang, Yu Yang·2026-10-30 12:00· 4 天前AI 评分34

SAG-Sep：基于稀疏增强图与洋葱引导搜索的圆整容量割分离

SAG-Sep: Sparse Augmented Graphs and Onion-Guided Search for Rounded Capacity Cut Separation

AI 导读

SAG-Sep 割平面分离器通过单次编码器前向传递对圆整容量割（RCC）节点打分，避免了迭代粗化推理。其采用稀疏增强图编码长程路径结构，并配合免训练的 Onion-Sweep 解码器快速生成结构化候选割。在 N=1000 的 NeuralSEP 基准中，SAG-Sep 相比最强基线将平均根节点差距降低 17.7%，每轮神经分离速度提升约 30 倍。

来源：arXiv cs.LG · arxiv.org

#论文/研究 #arXiv