科研之友
微信
新浪微博
Facebook
分享链接
摘要
组合优化涉及离散域的带约束问题求解，在求解复杂性上极具挑战，是运筹学乃至应用数学的重要分支，且在国计民生中扮演着重要的角色。在面临大规模复杂问题（如NP难问题）时，传统的求解算法一般是基于人工设计的启发式规则和策略，大多依赖对问题特定结构的深入理解和洞察。而人工智能，特别是机器学习，则采用数据驱动的方式力图自动发现求解策略，自动生成高效求解算法，降低人工设计成本。同时，通过神经网络等模块引入显卡等硬件提高并行计算能力和计算速度。本文以NP难的图匹配问题为主线，介绍国内外近期相关研究进展，涵盖整体端到端的一次性求解模型和基于深度强化学习的贯序求解模型两个代表性求解范式，简要对比了其耗时与求解质量，并对未来发展方向做出展望。
- 单位
