本網(wǎng)訊 近日，信息與人工智能學(xué)院岳振宇團(tuán)隊(duì)在國(guó)際知名期刊《Nature Machine Intelligence》（中科院一區(qū)Top，IF：23.9）發(fā)表了題為“Reusability report: A distributed strategy for solving combinatorial optimization problems with hypergraph neural networks”的研究論文。
組合優(yōu)化問(wèn)題廣泛存在于科學(xué)與工業(yè)領(lǐng)域，NP難問(wèn)題的特性導(dǎo)致傳統(tǒng)方法在處理大規(guī)模實(shí)例時(shí)面臨嚴(yán)峻挑戰(zhàn)。面對(duì)節(jié)點(diǎn)間復(fù)雜的高階交互關(guān)系，傳統(tǒng)圖模型能力受限，而超圖神經(jīng)網(wǎng)絡(luò)通過(guò)有效建模復(fù)雜關(guān)聯(lián)，為突破此類(lèi)問(wèn)題的瓶頸提供了創(chuàng)新方法論。本文針對(duì)分布式可擴(kuò)展求解器HypOp展開(kāi)研究，該框架專(zhuān)為求解含任意成本函數(shù)與高階約束的組合優(yōu)化問(wèn)題而設(shè)計(jì)。研究通過(guò)調(diào)整分布式訓(xùn)練架構(gòu)中的GPU數(shù)量、探索不同圖劃分策略及評(píng)估多種微調(diào)算法等，系統(tǒng)檢驗(yàn)了模型的魯棒性；同時(shí)以最大團(tuán)問(wèn)題與二次分配問(wèn)題為案例，證實(shí)了該框架的泛化性與適用性。該研究為構(gòu)建可遷移至高階約束組合優(yōu)化問(wèn)題的通用求解框架奠定了方法論基礎(chǔ)，為超圖神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的智能決策算法在復(fù)雜系統(tǒng)優(yōu)化中的發(fā)展與應(yīng)用提供了一定支撐。
學(xué)校信息與人工智能學(xué)院2023級(jí)計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)碩士生李小迪、2023級(jí)智能科學(xué)與技術(shù)專(zhuān)業(yè)本科生桂健峰、中科星圖數(shù)字地球合肥有限公司智算架構(gòu)師薛偉為共同第一作者；學(xué)校信息與人工智能學(xué)院岳振宇副教授與安徽大學(xué)夏俊峰教授為共同通訊作者。研究得到了國(guó)家自然科學(xué)基金、安徽省優(yōu)秀青年教師培育項(xiàng)目、國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目資助。（文圖：岳振宇 初審：吳辰華 復(fù)審：鄭雪林 終審：曹雷 ）
論文鏈接：https://www.nature.com/articles/s42256-025-01141-4
