報告題目：Graph Neural Networks for Combinatorial Optimization
主 講 人：Prof. Yao-Chu Jin
主 持 人：馬占宇 教授
講座時間：2024年4月18號（周四）16：00-17：00
講座地點：西土城校區教三535教室
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.
專家簡介：
金耀初教授分別於1988、1991及1996年在浙江大學電機係獲學士、碩士和博士學位，並於2001年在德國波鴻魯爾大學神經信息研究所獲工學博士學位 （Dr.-Ing.）。歐洲科學院院士，IEEE Fellow，國家級海外高層次人才計劃入選者。
目前擔任西湖大學人工智能講席教授, “可信及通用人工智能實驗室”負責人。同時擔任IEEE計算智能學會主席，《複雜與智能係統》主編。2021至2023任德國比勒菲爾德大學工學院“洪堡人工智能教席教授”，2010至2021任英國薩裏大學計算機係“計算智能”傑出教授，1999至2010年在本田歐洲研究院擔任科學家、高級科學家及主任科學家。 曾為中國教育部“長江學者獎勵計劃”講座教授、芬蘭國家技術創新局“芬蘭傑出教授”、澳大利亞悉尼科技大學“傑出訪問學者”。長期從事人工智能與計算智能的理論、算法和工程應用研究，特別是數據驅動的複雜係統演化優化、基於深度學習的組合優化、多目標優化與機器學習、可信學習與優化、演化發育通用人工智能及形態發育自組織機器人等。
金耀初教授已出版專著5部，發表學術論文500餘篇，獲美國、歐盟和日本專利9項。據Google Scholar, 其論文被引用總次數47，000餘次，h-index 為105，2019年以來連續5年入選科睿唯安 “全球高被引科學家”榜單。多次獲“IEEE進化計算匯刊優秀論文獎”及“IEEE 計算智能雜誌優秀論文獎”。
