面向组合优化的算法自动设计

组合优化在供应链管理、芯片设计、药物发现等许多领域都有着重要的实用价值。由于其NP-难属性，组合优化问题的高效求解一直是一个重要且富有挑战的课题。神经组合优化旨在利用深度神经网络从数据中自动学习算法规则，可以降低专家知识依赖。本报告将介绍神经组合优化方法的泛化性研究工作，主要包括可大规模泛化、可跨问题泛化的神经组合优化方法。此外，本报告还将介绍一种基于大语言模型的算法自动设计框架EoH,及其组合优化算法自动设计方面的工作。

王振坤，南方科技大学自动化与智能制造学院长聘副教授、博士生导师，广东省全驱系统控制理论与技术重点实验室副主任、IEEE计算智能学会深圳分会学生事务主席、中国人工智能学会青年工作委员会委员，入选广东省青年珠江学者和深圳市海外高层次人才。长期致力于人工智能驱动的优化算法的研究，以第一/通讯作者在IEEE汇刊、ICML、NeurIPS等发表论文80余篇（IEEE汇刊28篇、CCF A类会议23篇），获广东省自然科学二等奖、中国仿真学会自然科学二等奖、华为火花奖等科研奖励7项，主持国自科面上等10余项项目，担任4个SCI期刊的编委或青年编委、ICLR 2025等国际会议领域主席或高级程序委员。