端到端的约束优化学习：综述

Mar, 2021

End-to-End Constrained Optimization Learning: A Survey

James Kotary, Ferdinando Fioretto, Pascal Van Hentenryck, Bryan Wilder

TL;DR本文从最近使用机器学习来解决约束优化问题的尝试入手，重点调查了将组合求解器和优化方法与机器学习架构集成的工作。这些方法有望开发新的混合机器学习和优化方法，以快速预测组合问题的近似解并启用结构逻辑推理。本文概述了这一新兴领域的最新进展。

Abstract

This paper surveys the recent attempts at leveraging machine learning to solve constrained optimization problems. It focuses on surveying the work on integrating →

machine learning constrained optimization combinatorial solvers hybrid methods logical inference

发现论文，激发创造

组合优化的机器学习：方法论地全景

本文调查了机器学习和运筹学社区最近尝试利用机器学习解决组合优化问题的努力，并详细阐述了一种将机器学习和组合优化更进一步集成的方法论。

Nov, 2018

机器学习在组合问题建模中的应用

该研究论文研究了机器学习在组合优化中的应用，特别是在建模方面，提出了使用机器学习技术来提高建模的效率和精确度，包括单个约束、目标函数或整个模型的学习。

Jul, 2018

在图上学习组合优化问题：一份调查及其在网络中的应用

介绍了解决图上组合优化问题的现有方法存在的问题，调查了与计算复杂性相关的机器学习研究的发展，并组织和比较了解决组合优化问题的学习结构。

May, 2020

组合优化的强化学习：一项调查研究

本文综述了近期在强化学习领域中在解决组合优化问题方面的进展，包含了 RL 框架与传统算法的比较以及各方法解决不同问题的时间线，结果表明基于 RL 的模型成为解决组合问题的方向值得期待。

Mar, 2020

将数据决策流程融合：面向决策的组合优化学习

通过深度学习将机器学习模型与优化算法直接结合，实现决策为导向的学习，从而在解决组合优化问题时取得更好的性能和决策效果。

Sep, 2018

学习困难优化问题：数据生成的视角

本论文研究了通过机器学习解决 NP 困难问题的可行性，指出了训练数据的易变性及其对模型的影响，并提出了改进的方法来适应这个问题。该方法被应用于非线性、非凸、离散组合问题的求解，取得了有效的结果。

Jun, 2021

基于图神经网络的组合优化和推理

本文通过对近年来在组合优化、运筹学和机器学习等领域出现的基于图神经网络（GNNs）的组合优化求解方法和算法进行概述，以此向优化和机器学习研究者介绍这一领域的最新进展。

Feb, 2021

从机器学习的视角调查优化方法

本研究回顾了机器学习中优化方法的原则、进展和应用，总结了在一些流行的机器学习领域中优化方法的应用和发展，并提出了机器学习中优化的一些挑战和未解决的问题。

Jun, 2019

神经组合优化：领域的新玩家

本文对神经网络在传统组合优化框架中的性能、可迁移性、计算成本和对更大样本的普适性进行了详细研究，并在 NP-hard 问题线性排序问题上开发了神经组合优化模型。

May, 2022

如何评估机器学习方法在组合优化中的应用：以旅行商问题为例

本文研究基于深度学习和强化学习的旅行商问题的新模型和架构，强调机器学习在解决组合优化问题方面的限制，并提出了一种新的度量标准 ROD 以回答两个基本问题。

Sep, 2019