运筹学未来2-5年的研究热点方向！机器学习与运筹优化

机器学习与运筹优化的结合是近年来数据科学和人工智能领域的重要研究方向，这种融合不仅加快了计算速度，还能挖掘出隐藏的价值，使优化结果更准确、更有用。

今天就这两种技术结合机器学习+运筹优化整理出了10篇论文+开源代码，以下是精选部分论文

更多论文料可以关注：AI科技探寻，发送：111  领取更多[论文+开源码】  

论文1

Learning Encodings for Constructive Neural Combinatorial Optimization Needs to Regret

学习编码以用于构造性神经组合优化需要后悔

方法：

1. 学习构造性启发式（LCH）：通过快速自回归解构建过程实现高质量解。

2. 后悔机制：提出一种新颖的基于后悔的机制，允许在构建解的过程中回滚到前一个节点。

3. 可学习的后悔编码：引入一个128维的可学习向量作为后悔编码，与节点编码并行。

4. 后悔掩码：为了避免无意义或非法的后悔操作，维护一个后悔掩码。

5. 修改的马尔可夫决策过程（MDP）：为后悔机制训练策略网络，引入新的状态、动作和策略定义。

创新点：