学习最优化--组合优化问题人工智能求解的模型和算法

报告摘要：随着人工智能的发展，求解优化问题由传统的数值方法产生了学习的方法，形成了新的求解范式。本报告将结合本课题组的研究，介绍机器学习求解组合优化问题这个研究领域的相关工作。首先给出组合优化机器学习求解方法的一般框架：前后端组合学习和融合学习，以及机器学习求解组合优化问题的主体研究方法、思路和工具；然后介绍一些特殊问题（数字背包、P中值以及生成树等）的求解模型和算法设计，最后提出相关研究方向和研究瓶颈。

报告人简介：韩丛英，中国科学院大学，长聘教授，博士生导师。主要研究兴趣：最优化理论与算法、机器学习、模式识别等；在国、内外重要期刊和会议上发表学术论文120余篇，含CVPR、ICML、NeurIPS和AAAI等人工智能相关会议上论文多篇；作为负责人承担国家自然科学基金青年、面上和重点项目、重点研发项目课题、省部级与横向课题等多项。曾获中国运筹学会科学技术奖运筹应用奖，国际运筹学联合会运筹进展奖二等奖（IFORS prize for OR in development, Runner-up）。曾任中国运筹学会第十一届理事会副秘书长，现兼任中国运筹学会常务理事，中国运筹学会数学与智能分会秘书长、数学规划、图论与组合分会的常务理事及《运筹与管理》的编委。