结合创新idea：机器学习+运筹优化=CCF高端局

2024深度学习发论文&模型涨点之——机器学习+运筹优化

机器学习是人工智能的一个分支，它使计算机系统能够从数据中学习并改进其性能，而无需进行明确的编程。运筹优化，也称为运筹学或运营管理，是应用数学的一个分支，它使用数学模型和算法来支持复杂决策过程的制定。

机器学习与运筹优化的结合是一个前沿且活跃的研究领域，它们相互补充，为解决复杂问题提供了新的思路和方法。

小编整理了一些机器学习+运筹优化【论文+代码】合集，需要的同学关注公人人人号“AI创新工场”回复“机器学习+运筹优化”即可全部领取

论文精选

论文1：

【NIPS】Bisimulation Quotienting for Efficient Neural Combinatorial Optimization

用于高效神经组合优化的双模拟商

方法

• 将组合优化问题（COPs）表述为马尔可夫决策过程（MDPs）：提出了一种新的方法，将COPs转化为MDPs，利用COPs的共同对称性来提高模型对分布外泛化的能力。

• 双模拟商（BQ）：引入了一种基于MDPs中的双模拟商的方法，以减少状态空间，提高学习效率。

• 针对递归性质的COPs的双模拟：为具有递归性质的COPs专门化双模拟，展示了如何利用这些问题的对称性来简化MDP求解。

• 基于注意力的策略网络：为BQMDPs引入了简单的基于注意力的策略网络，通过模仿小型实例的（近）最优解进行训练。