报告问题：Graph Neural Networks for Combinatorial Optimization
主 讲 人：Prof. Yao-Chu Jin
主 持 人：马占宇 教授
讲座时间：2024年4月18号（周四）16：00-17：00
讲座所在：西土城校区教三535课堂
Abstract:
Graph neural networks have been found successful in solving combinatorial optimization problems. This talk presents a few recently developed algorithms that employ graph neural networks for combinatorial optimization. We start with a reinforcement learning approach to train timetable rescheduling, where a graph neural network is adopted for automatic extraction of most informative states. Then, we discuss how graph neural networks can be employed to solve combinatorial problems such as travelling salesman problems, graph coloring problems and facility selection problems. Finally, we present a federated combinatorial optimization algorithm based on graph neural network, where surrogate-assisted sampling is introduced to further improve the solution quality. We conclude the talk with a summary and discussion of future work.
专家简介：
金耀初教授划分于1988、1991及1996年在浙江大学电机系获学士、硕士和博士学位，并于2001年在德国波鸿鲁尔大学神经信息研究所获工学博士学位 （Dr.-Ing.） 。欧洲科学院院士，IEEEFellow，国家级外洋高条理人才妄想入选者 。
现在担当西湖大学人工智能讲席教授, “可信及通用人工智能实验室”认真人 。同时担当IEEE盘算智能学会主席，《重大与智能系统》主编 。2021至2023任德国比勒菲尔德大学工学院“洪堡人工智能教席教授”，2010至2021任英国萨里大学盘算机系“盘算智能”优异教授，1999至2010年在本田欧洲研究院担当科学家、高级科学家及主任科学家 。曾为中国教育部“长江学者奖励妄想”讲座教授、芬兰国家手艺立异局“芬兰优异教授”、澳大利亚悉尼科技大学“优异会见学者” 。恒久从事人工智能与盘算智能的理论、算法和工程应用研究，特殊是数据驱动的重大系统演化优化、基于深度学习的组合优化、多目的优化与机械学习、可信学习与优化、演化发育通用人工智能及形态发育自组织机械人等 。
金耀初教授已出书专著5部，揭晓学术论文500余篇，获美国、欧盟和日本专利9项 。据Google Scholar, 其论文被引用总次数47，000余次，h-index 为105，2019年以来一连5年入选科睿唯安“全球高被引科学家”榜单 。多次获“IEEE进化盘算汇刊优异论文奖”及“IEEE 盘算智能杂志优异论文奖” 。
