摘要
组合优化问题是计算机科学、运筹学、应用数学等学科共同研究的基础性问题。本报告关注的排列型组合优化问题是匹配、排序、路径规划等常见组合优化问题的集合。近年来，随着机器学习（尤其是深度学习）技术的发展，考虑到组合优化问题的重要科学和应用价值，利用机器学习方法求解组合优化问题已经成为了一个前沿的研究方向。面向排列型组合优化问题，本报告将介绍主讲人在近年研究中对两种主流方法论的研究和完善：1）纯机器学习求解方法，2）机器学习与经典算法融合的求解方法。作为图学习的重要应用场景，数学问题的图建模、图神经网络的设计和训练都是组合优化研究中重要的科学问题。
分享嘉宾
汪润中博士毕业于上海交通大学计算机科学与技术专业，本科毕业于同校电子系，师从杨小康教授和严骏驰副教授。他是首届吴文俊人工智能博士班班长。他的主要研究方向包括机器学习、优化求解、AI for Science。在博士研究期间，他开发了若干组合优化问题的机器学习求解技术，发表TPAMI、NeurIPS、ICML、CVPR等CCF-A类论文10余篇，开源代码累计获得2000多次star。他曾获得中国计算机学会CCF-CV学术新锐奖、国家奖学金、上海交通大学优秀毕业生等荣誉。
