使用强化学习优化全局和局部交叉数

我们提出了一种基于强化学习的图形绘制新方法，旨在最小化全局和局部交叉数，即边交叉的总数和任意边上的最大交叉数。在我们的框架中，智能体根据给定的观察向量学习如何移动顶点，以优化其位置。智能体以与交叉减少相关的局部奖励信号的形式接收反馈。为了生成初始布局，我们使用基于应力的图形绘制算法。我们将我们的方法与基于力和应力的算法（基线）以及针对一组基准图形的三种已建立算法进行比较。实验结果表明结果参差不齐：我们当前的算法主要在局部交叉数方面表现出竞争力。我们看到这种方法未来有进一步发展的潜力。