Thinklab-SJTU/awesome-ml4co

解決する問題

このプロジェクトは、機械学習を使用して組合せ最適化（CO）問題を解決することに焦点を当てた、厳選された集中型の学術リソースコレクションを提供します。研究者や実務者が、ルーティング、スケジューリング、グラフ解析などの複雑なタスクにニューラルネットワークや強化学習を適用する急速に成長している分野をナビゲートするのに役立ちます。

仕組み

このリポジトリは、包括的な参考文献と知識ベースとして機能します。研究論文を特定の問題タイプ（巡回セールスマン問題、ジョブショップスケジューリング、グラフマッチングなど）ごとに分類し、基礎的なサーベイ論文のセクションも含みます。また、さまざまな研究論文のパフォーマンスデータを視覚化して、ユーザーが異なるアルゴリズムアプローチを比較できるようにするベータ版のベンチマークツールも備えています。

対象読者

このリソースは、機械学習とオペレーションズリサーチの交差点に興味がある研究者、学生、実務者向けに設計されています。ニューラル組合せソルバーの現在の最先端を理解したい人や、難しい最適化課題にAIを適用するための特定の文献を探している人に特に役立ちます。

ハイライト

• 30以上の異なる組合せ最適化問題タイプの広範な分類。
• 20年以上の研究にわたる基礎的なサーベイ論文の専用コレクション。
• さまざまな研究ベースラインのパフォーマンスと実行時間データを視覚化するベータ版のベンチマークチャート。
• SJTU-Thinklab研究グループからの貢献の明確な識別。
• リストされた多くの研究論文のオープンソースコード実装へのリンク。