arXiv:2509.01607math.COcs.LG2025-09
用强化学习找图论反例，加速证明猜想的边界问题
Reinforcement learning for graph theory, Parallelizing Wagner's approach
- 用强化学习构建图结构，寻找拉普拉斯矩阵谱半径的反例
- 可并行训练多个模型，提升搜索效率与多样性
- 重新设计动作空间，更好突破局部最优
本工作将强化学习应用于构造关于图拉普拉斯矩阵谱半径猜想边界的反例。在 Stevanovic 等人对 Wagner 方法的重实现基础上，我们扩展了同时训练多个独立模型的能力，并提出一种新的动作空间定义，以调节当前局部最优对学习过程的影响。
原文摘要 · Abstract (English)
Our work applies reinforcement learning to construct counterexamples concerning conjectured bounds on the spectral radius of the Laplacian matrix of a graph. We expand upon the re-implementation of Wagner's approach by Stevanovic et al. with the ability to train numerous unique models simultaneously and a novel redefining of the action space to adjust the influence of the current local optimum on the learning process.
强化学习图论谱半径
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。