Thinklab-SJTU/awesome-ml4co

해결하는 문제

이 프로젝트는 기계 학습을 사용하여 조합 최적화(CO) 문제를 해결하는 데 초점을 맞춘 엄선되고 중앙 집중화된 학술 리소스 모음을 제공합니다. 연구자와 실무자가 라우팅, 스케줄링, 그래프 분석과 같은 복잡한 작업에 신경망과 강화 학습을 적용하는 빠르게 성장하는 분야를 탐색하는 데 도움을 줍니다.

작동 방식

이 저장소는 포괄적인 참고 문헌 및 지식 기반 역할을 합니다. 연구 논문을 특정 문제 유형(예: 외판원 문제, 작업장 스케줄링, 그래프 매칭)별로 분류하고 기초 조사 논문 섹션을 포함합니다. 또한 다양한 연구 논문의 성능 데이터를 시각화하여 사용자가 서로 다른 알고리즘 접근 방식을 비교할 수 있도록 하는 베타 단계의 벤치마킹 도구를 제공합니다.

대상 사용자

이 리소스는 기계 학습과 운영 연구의 교차점에 관심이 있는 연구자, 학생, 실무자를 위해 설계되었습니다. 신경 조합 솔버의 최신 기술을 이해하려는 사람이나 어려운 최적화 문제에 AI를 적용하는 특정 문헌을 찾는 사람에게 특히 유용합니다.

주요 특징

• 30가지 이상의 다양한 조합 최적화 문제 유형에 대한 광범위한 분류.
• 20년 이상의 연구를 아우르는 기초 조사 논문 전용 컬렉션.
• 다양한 연구 기준선의 성능 및 실행 시간 데이터를 시각화하는 베타 단계 벤치마크 차트.
• SJTU-Thinklab 연구 그룹의 기여를 명확히 식별.
• 나열된 많은 연구 논문에 대한 오픈 소스 코드 구현 링크.