利用图神经网络对(混合整数)线性优化问题进行分析与求解
Speaker
印卧涛
阿里巴巴达摩院决策智能实验室
Time
2023-08-04 11:00 ~ 12:00, in 2 days (Asia/Shanghai Time)
Venue
理科大楼5号楼305室
Abstract
这个报告将深入探讨GNN(图神经网络)和数学优化之间的迷人关联。我们近期发现,只要将LP(线性规划)定义在特定的图上,GNNs就可以去判断LP问题的可行性并以任意精度进行求解。为了将这个令人惊讶的结果扩展到MILP(混合整数线性规划)上,我们分析了GNNs的局限性并证明:只要对foldable的MILP的对称性进行预处理,GNNs就可以去判断MILP问题的可行性并以任意精度进行求解。
这些发现不仅加深了我们对GNNs表达能力的理解,而且为这些深度学习模型在解决连续和组合优化问题中的应用开辟了新的途径。
Bio
印卧涛博士负责阿里巴巴-达摩院-决策智能实验室的研究与开发工作。带领实验室发布了MindOpt优化求解器,并使用机器学习和运筹优化技术,大大提升了阿里云的计算效率、南方电网在新能源背景下的调度效率。在加入达摩院之前,印卧涛是UCLA数学系终身教授,在分布式计算、优化算法、机器学习、图像处理的理论和应用方面取得了系统性的创新成果。曾获NSF CAREER奖、Sloan研究奖、晨星应用数学奖、达摩奖、Egon Balas奖,以及多个最佳论文奖。自2018起被Clarivate Analyese列为世界1%高引学者。
--
FROM 124.14.44.*