- 同调环的几何定位
在几何优化中，我们设计了多种近似算法来解决同伦定位问题、持久同调问题，并研究了它们在实验中的性能。这些算法在中等大小数据集上具有合理的运行时间，并且通过在多个数据集上的实验证明了计算出的周期的高质量。
- 基于 Transformer 模型的低秩自适应 (LoRA) 的计算限制
通过在梯度计算中寻找低秩分解，我们研究了基于变换器模型的低秩适应（LoRA）更新的计算极限，证明了算法加速的可能性，并通过控制 LoRA 更新的计算项，基于 Strong Exponential Time Hypothesis (SETH) - 最佳优化社交环境中的合作学习
协作学习中，网络代理以自己拥有的分类器通过交流或观察其他代理的预测进行动态更新，研究了在此情景中如何优化预测以提高整个网络的准确性，并提出了多项式时间算法和近似算法来实现优化的目标。
- 组合近似聚类删除：更简单、更快、更好
删除最小数量的边将图划分为团体是一种 NP 困难的图聚类目标，在计算生物学和社交网络分析中具有应用。我们提供了两种先前近似算法的更严格的分析，将其近似保证从 4 改进到 3。此外，我们展示了这两种算法可以以出人意料的简单方式解除随机化，通过 - 基于归纳图神经网络的大型网络节点中心度估计
我们重新定义了 Closeness Centrality（CC）和 Betweenness Centrality（BC）节点排序问题，提出了 CNCA-IGE 模型，它是一个基于归纳图神经网络的编码器 - 解码器模型，用于基于指定的 CC - 多样性感知聚类：计算复杂度和近似算法
在这项研究中，我们研究了多样性感知聚类问题，其中数据点与多个属性相关联，导致交叉组。聚类解决方案需要确保从每个组中选择最少数量的聚类中心，同时最小化聚类目标，可以是 $k$-median、$k$-means 或 $k$-supplier。我 - 带有噪声结果的最优决策树
通过近似算法研究具有噪声结果的最优决策树问题，以及在测试或假设中具有大量噪声结果时性能逐渐下降的情况。
- 分区平面图算法
计算复杂性、选区分割、地图重新划分问题、平面图和逼近算法。
- AAAI使用 CP-Nets 进行偏好聚合的近似算法
该论文研究了设计和分析适用于将组合领域中使用条件偏好网络（CP-nets）表示的偏好进行聚合的近似算法。它侧重于对所谓的 “交换” 进行偏好聚合，其中已知的最优解通常具有指数规模。我们分析了一个简单的 2 近似算法，该算法仅输出给定输入偏好 - 有时间限制的强化学习
我们引入并研究了具有任意时间限制的受限马尔可夫决策过程（cMDPs）。我们提出了一种固定参数可处理的方法，将具有任意时间限制的 cMDPs 转化为无约束的 MDPs。我们设计出了适用于大表 cMDPs 的计划和学习算法，并设计了近似算法，可 - NeuroCUT: 面向鲁棒图分割的神经方法
通过一种新框架，NeuroCut，结合了神经网络和强化学习，并具有对不可微分函数的优化能力，从而在图分区问题中表现出色，并在多种分区目标中展现出较强的泛化能力和拓扑鲁棒性。
- 参数化图聚类和边标记的更快逼近算法
本文提供的是一种关于网络分析的图聚类框架 LambdaCC 的更快更可靠的逼近算法，其依赖于可调节参数的分辨率参数和一种新的参数化边标记问题。
- 非单调次模约束下背包约束下的线性查询逼近算法
本研究提出了两种简单实用的算法逼近非单调次模最大化问题，并分析了应用于收益最大化、图像摘要、最大加权切割等三个问题的有效性。
- 通过随机化实现子模函数最大化的长期公平性
通过开发近似算法解决具有组内公平性约束的单调子模函数最大化问题。
- 线性规划方法求解约束部分可观测的马尔可夫决策过程
使用 LP 模型结合基于网格的近似方法生成近似策略，研究了解决限制观测 Markov 决策过程的效果。结果表明，LP 模型可有效地生成有限和无限时间段问题的近似策略，同时提供将各种附加约束集成到模型中的灵活性。
- 社会公平的常积分因子 $k$- 聚类近似算法
本研究对含 m 个群体的社会公平 (l_p, k)- 聚类问题的近似算法进行研究，其中特殊情况包括社会公平 k - 中心 (p=1) 和社会公平 k - 均值 (p=2) 问题。研究分别给出了多项式时间和两种不同的 (n^{2^{O (p) - ICML广义杠杆得分：几何解释与应用
本文介绍了杠杆得分的概念，并将其推广到根据奇异向量子集将矩阵列与一些奇异向量子集相联系的情况。进而应用该算法解决广义列子集选择和稀疏规范相关分析问题。作者们进行了数值实验以提供更深入的见解，并对基本矩阵近似概念提出了新的界限。
- ICML通过强三元闭包标记的相关聚类：快速近似算法和实用下界
本研究提出了更快的近似算法，避免了其最佳逼近算法所依赖的不切实际的线性规划放宽，为两个经过充分研究的特殊情况 —— 聚簇编辑和聚簇删除提供了更快、更实用、更高效的线性规划算法及极具可扩展性的组合技术，包括聚簇删除的第一个组合逼近算法，实际应 - 面向旅行商问题的图神经网络引导局部搜索
提出了一种基于图神经网络和引导局部搜索的 TSP（旅行商问题）混合数据驱动方法，该方法能够在不损失解决方案质量的同时，快速求解大规模 TSP 实例，经实验证明，我们将 100 个节点问题集的平均最优性差从 1.534% 减少到 0.705% - AAAI公平性、半监督学习以及更多：一般的随机成对约束聚类框架
提出了一种新颖的随机成对约束方法，用于多个关键聚类目标函数，可用于建模应用程序的收缩和分析，如聚类中的公平性和半监督学习中的 Must-link 约束，并提供了近似算法的具有可证明保证的通用框架。