Thinklab-SJTU/awesome-ml4co

解决的问题

该项目提供了一个精选的、集中的学术资源集合，专注于使用机器学习解决组合优化（CO）问题。它帮助研究人员和从业者导航这个快速发展的领域，该领域涉及将神经网络和强化学习应用于路由、调度和图分析等复杂任务。

工作原理

该仓库充当一个全面的文献目录和知识库。它按特定问题类型（如旅行商问题、作业车间调度或图匹配）对研究论文进行分类，并包含一个基础综述论文部分。它还提供了一个测试版的基准测试工具，该工具可视化来自各种研究论文的性能数据，以帮助用户比较不同的算法方法。

适用人群

该资源专为对机器学习和运筹学交叉领域感兴趣的研究人员、学生和从业者设计。对于那些希望了解神经组合求解器当前最新技术或寻找关于将人工智能应用于困难优化挑战的特定文献的人来说，它尤其有用。

亮点

• 对超过30种不同的组合优化问题类型进行了广泛分类。
• 一个专门的、跨越二十多年研究的基础综述论文集合。
• 测试版基准图表，可视化各种研究基线的性能和运行时间数据。
• 明确标识了SJTU-Thinklab研究小组的贡献。
• 为许多列出的研究论文提供了开源代码实现的链接。