4.1.4 其他难解问题
对于其他难解问题，人们同样基于图学习方法提出了一系列求解方案。下面以可满足性、计算资源分配、装箱、图编辑距离、影响力最大化等问题为例简要概述。对于可满足性问题，人们基于图神经网络加速可满足性问题分支搜索过程，提高了求解准确率[29] -[36] 。对于计算资源分配问题，人们利用图神经网络学习资源分配的公共模式
[37] [41] ，自适应分配计算资源。对于装箱问题，人们基于图神经网络
预测不同装箱动作的可行性，并通过树搜索算法进行剪枝[42] -[45] 。对于图编辑距离问题，人们通过注意力机制等学习图节点特征，加速图结构的检索和匹配[46] -[50] 。对于影响力最大化问题，人们通过图
神经网络学习影响力公共模式，提高了分支搜索速度[51] -[55] 。