微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：本报告讨论数据驱动的组合优化问题求解方法。首先介绍基于图神经网络的端到端的组合优化问题求解的基本思路及主要方法，然后分别采用基于有监督学习和无监督学习的图神经网络求解多目标选址问题和图着色问题。之后，本报告将提出一类基于扩散模型的深度学习方法，学习多目标演化计算法的搜索行为，从而在预训练后能快速近似求解新的多目标优化问题。最后讨论存在的挑战和未来的研究方向。
讲者简介：金耀初教授分别于1988、1991及1996年在浙江大学获学士、硕士和博士学位，并于2001年在德国波鸿鲁尔大学获工学博士学位。欧洲科学院院士，IEEE Fellow，国家级海外高层次人才计划入选者。 目前担任西湖大学人工智能讲席教授，“可信及通用人工智能实验室”负责人。IEEE计算智能学会主席，《复杂与智能系统》主编。曾任德国比勒菲尔德大学工学院“洪堡人工智能教席教授”，英国萨里大学计算机系“计算智能”杰出教授，本田欧洲研究院担任科学家、高级科学家及主任科学家。长期从事人工智能与计算智能的理论、算法和工程应用研究。据Google Scholar, 其论文被引用总次数49,000余次，h-index 为108，2019年以来连续5年入选科睿唯安 “全球高被引科学家”榜单。
第十届中国数据挖掘会议
特邀嘉宾
京公网安备11010802032778号