组合优化

顶会招牌idea：机器学习+组合优化优秀论文合集机器学习（ML）与组合优化（CO）的交叉研究已成为运筹学与人工智能领域的前沿方向。传统组合优化方法（如分支定界、动态规划）虽在理论上有严格的性能保证，但在处理高维、不确定性问题时往往面临计算复杂度爆炸的挑战。与此同时，机器学习技术（特别是深度强化学习与图神经网络）展现出强大的特征提取与策略泛化能力，为突破传统方法的局限性提供了新范式。

基于大语言模型的组合优化摘要：组合优化（Combinatorial Optimization, CO）对于提高工程应用的效率和性能至关重要。随着问题规模的增大和依赖关系的复杂化，找到最优解变得极具挑战性。在处理现实世界的工程问题时，基于纯数学推理的算法存在局限性，无法捕捉到优化所需的上下文细微差别。本研究探索了大型语言模型（Large Language Models, LLMs）在解决工程组合优化问题中的潜力，利用其推理能力和上下文知识。我们提出了一种基于LLM的新框架，该框架结合了网络拓扑和领域知识，以优化设计结构矩阵（Des

武科大许志伟

回溯法求解简单组合优化问题节点表示：每个节点表示部分解的状态，即已经放置了若干个皇后的方案。例如，节点 <2, 4> 表示前两行的皇后分别放在第 2 列和第 4 列。