一种基于语法遗传编程的图神经网络架构优化方法

本发明涉及图神经网络技术领域，具体涉及一种基于语法遗传编程的图神经网络架构优化方法，包括：S1、构建图神经网络架构GNN的语法规则库；S2、基于语法规则库，通过遗传编程生成初始GNN架构种群；S3、使用高斯过程代理模型预测种群中个体GNN架构的性能；S4、通过遗传算法在语法树空间中搜索最优GNN架构；S5、对于种群中的个体GNN架构，基于其预期改进函数计算训练概率，若训练概率高于预设评估阈值，则选择该个体GNN架构进行实际训练评估，获取其真实性能，使用真实性能更新高斯过程代理模型；S6、判断是否满足预设的优化终止条件，若是，则输出优化后的GNN架构，否则，返回步骤S3。本发明可提高GNN模型架构搜索的自动化程度、效率和模型性能。