IT讲坛2024年第3期 Graph Neural Networks for Combinatorial Optimization
主讲题目：Graph Neural Networks for Combinatorial Optimization
主讲人：金耀初
时间：2024年3月27日下午16:00
地点：勤园12-304
摘要：Graph neural networks have been found successful in solving combinatorial optimization problems. This talk starts with a simple example of solving the travelling salesman problem using graph neural networks. Then, we present an approach to multi-objective facility location using two graph neural networks with supervised training. Finally, we consider a distributed optimization scenario where the data cannot be centrally stored to protect the data privacy. Federated aggregation is adopted to generated a global graph neural network without sharing the data. To further improve the solution quality, we introduce a solution sampling strategy based on Bayesian optimization, and knowledge from similar instances is transferred to improve the quality of the Gaussian process. We conclude the talk with a summary and discussion of future work.
个人简介：
金耀初教授分别于1988、1991及1996年在浙江大学电机系获学士、硕士和博士学位，并于2001年在德国波鸿鲁尔大学神经信息研究所获工学博士学位 （Dr.-Ing.）。欧洲科学院院士，IEEE Fellow，国家级海外高层次人才计划入选者。目前担任IEEE计算智能学会主席，《复杂与智能系统》主编。
目前担任西湖大学人工智能讲席教授，“可信及通用人工智能实验室”负责人。2021至2023任德国比勒菲尔德大学工学院“洪堡人工智能教席教授”，2010至2021任英国萨里大学计算机系“计算智能”杰出教授，1999至2010年在本田欧洲研究院担任科学家、高级科学家及主任科学家。 曾为中国教育部“长江学者奖励计划”讲席教授、芬兰国家技术创新局“芬兰杰出教授”、澳大利亚悉尼科技大学“杰出访问学者”。长期从事人工智能与计算智能的理论、算法和工程应用研究，特别是数据驱动的复杂系统演化优化、基于深度学习的组合优化、多目标优化与机器学习、可信学习与优化、演化发育通用人工智能及形态发育自组织机器人等。
金耀初教授已出版专著5部，发表学术论文500余篇，获美国、欧盟和日本专利9项。据Google Scholar, 其论文被引用总次数47,000余次，h-index 为105，2019年以来连续5年入选科睿唯安 “全球高被引科学家”榜单。三次获“IEEE进化计算汇刊优秀论文奖”，三次获“IEEE 计算智能杂志优秀论文奖”。曾任《IEEE认知与发育系统汇刊》主编，IEEE计算智能学会副理事长，两次担任IEEE 杰出演讲人。
