当前位置:首页 > 报告详情

8-1 机器学习遇上运筹优化助力企业降本增效:一种双层优化方法.pdf

上传人: 云闲 编号:102293 2021-01-01 22页 3.43MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文提出了一种用于解决图上组合优化问题的双层优化方法(Bi-Level Framework),结合了机器学习和运筹优化。作者Runzhong Wang是上海交通大学的博士生,他的研究兴趣包括图学习、尤其是机器学习和组合优化。他已经发表了11篇论文(其中7篇为第一作者),这些论文发表在诸如TPAMI、NeurIPS、ICML、ICLR、ICCV和CVPR等顶级会议和期刊上。作者还开发和维护了几个GitHub仓库,拥有超过1700个星标。 文章指出,组合优化问题在许多领域中具有指数级的复杂性,通常是NP-complete或NP-hard的。然而,现有的优化技术已经被各种行业采纳,并预计到2025年,全球市场将增长2.2倍。文章强调了机器学习在组合优化中的潜力,并提出了一个双层优化框架,通过修改图结构来帮助问题解决,并在三个组合优化问题上进行了实验,取得了优于传统方法和基于学习的基线的方法的结果。 作者还提出了一个问题解决框架,包括选择传统算法、设计行动空间、构建问题编码器等步骤,并探讨了组合优化在计算机视觉、隐私保护机器学习和金融等领域的进一步应用。最后,作者提出了未来研究的几个方向,包括如何优化大规模图、构建联合预测和优化的通用框架、以及从样本中进行优化等。
"如何运用机器学习解决组合优化问题?" "深度学习在图匹配中的应用有哪些?" "如何构建通用框架实现联合预测与优化?"
客服
商务合作
小程序
服务号
折叠