一种基于图深度学习的最小覆盖集问题求解方法

本发明公开了一种基于图深度学习的最小覆盖集问题求解方法，包括：采用python中的networkx模块生成输入图，结合顶点的状态和入度出度信息初始化所述输入图的顶点特征；根据所述输入图生成规则，对所述输入图中的每个顶点的邻居顶点进行采样，来嵌入图的结构信息；经过邻居顶点采样后，将邻居顶点的特征传播到当前的节点，对顶点向量采用拼接的操作，并对所述拼接操作后的顶点向量进行L2正则化处理；设置强化学习参数，基于正则化处理结果进行强化学习优化，求解最小覆盖集。本发明的模型具有很好的扩展性，可用于大规模的现实场景。