报告人：高晓沨

报告地点：腾讯会议 106-272-027

报告时间：2022年11月2日星期三下午4:30

报告题目：机器学习在求解组合优化问题上的应用

报告简介：

组合优化问题如拼车调度、任务分配是日常生活和社会运转的重要组成部分，积累了海量的数据，形成了丰富的应用场景。然而，因为计算复杂度高，求解组合优化问题具有较高挑战性。近年来，深度学习技术，如指针网络、深度强化学习已被证明其在求解组合优化问题方面的可行性与高效性。

本报告将围绕常见的组合优化问题、机器学习求解组合优化方法演进、团队相关工作介绍使用机器学习求解组合优化问题的前沿技术。概览TSP、MVC、VRP等经典问题并介绍指针网络、Transformer、GNN等深度学习框架。接下来将结合最新的研究进展介绍如何使用机器学习技术求解群智感知、路径规划等具体应用场景中的组合优化问题。

报告人简介：

高晓沨，上海交通大学计算机科学与工程系教授、博导，教育部青年长江学者。近年来在数据工程、数据挖掘等领域发表CCF-A/B区长文150余篇，如 TKDE、TPDS、TC、TMC、 JSAC、TON 等著名国际期刊，以及 WWW、SIGKDD、IJCAI、ICDE、NeurIPS、INFOCOM 等重要国际会议。曾8次获得国际学术会议最优论文奖。现任中国计算机学会专委会委员(数据库专委会、分布式计算与系统、大数据)。主持/参与多项科技部、自然科学基金委等项目，并积极与包括腾讯、百度、华为等企业合作进行技术研发。曾获CCF-腾讯犀牛鸟基金“卓越奖”（最高奖）、CCF-华为创新研究计划A类项目评审第一名等奖项。此外，积极指导员工参加科技创新竞赛，在全国大员工数学建模竞赛、美国大员工数学与交叉学科建模竞赛、中国研究生数学建模竞赛中均取得最高奖项。