更改

==编者推荐==

==编者推荐==

====集智视频====

====集智视频====

=====[https://campus.swarma.org/mobile/course/1994 张量网络与组合优化]=====

=====[https://campus.swarma.org/mobile/course/1994 张量网络与组合优化]=====

本课程是由王磊在集智凯风研读营“张量网络与机器学习专题”中的分享。在此分享中，王磊介绍了如何在张量网络中引入 Tropic 代数，直接将自旋玻璃零温的配分函数映射到张量网络缩并问题上，并利用 GPU，Yao以及 NiLang 进行有效的计算。

本课程是由王磊在集智凯风研读营“张量网络与机器学习专题”中的分享。在此分享中，王磊介绍了如何在张量网络中引入 Tropic 代数，直接将自旋玻璃零温的配分函数映射到张量网络缩并问题上，并利用 GPU，Yao以及 NiLang 进行有效的计算。

=====[https://campus.swarma.org/mobile/course/1086 结合图卷积网络的组合优化和树搜索——图网络读书会第 3 期]

=====[https://campus.swarma.org/mobile/course/1086 结合图卷积网络的组合优化和树搜索——图网络读书会第3期]=====

本课程来自集智第 3 期图网络论文解读活动。本课程是对论文《Combinatorial Optimization with Graph Convolutional Networks and Guided Tree Search》的解读。

本课程来自集智第 3 期图网络论文解读活动。本课程是对论文《Combinatorial Optimization with Graph Convolutional Networks and Guided Tree Search》的解读。

=====[https://campus.swarma.org/mobile/course/2200 GCOMB：在上亿节点网络上学习带约束的组合优化算法法|Openlab内部读书会第十三期]=====

=====[https://campus.swarma.org/mobile/course/2200 GCOMB：在上亿节点网络上学习带约束的组合优化算法法|Openlab内部读书会第13期]=====

本文提出监督学习+强化学习两阶段的框架：监督学习部分利用GCN学习出节点的作为候选解的优劣，强化学习部分在比较好的节点中选出问题的解。

本文提出监督学习+强化学习两阶段的框架：监督学习部分利用GCN学习出节点的作为候选解的优劣，强化学习部分在比较好的节点中选出问题的解。

18年的S2V-DQN是第一篇尝试学习如何求解图上组合优化问题的工作，它以及后续的工作主要都集中于如何提升算法的逼近程度，而没有特别考虑在大图上的效率和扩展性，这次介绍的工作GCOMB主要关注这个问题。本文的能够扩展到上亿节点的核心是，计算密集型的步骤只在比较“好”的节点上进行计算。本文提出监督学习+强化学习两阶段的框架：监督学习部分利用GCN学习出节点的作为候选解的优劣，强化学习部分在比较好的节点中选出问题的解。在实际应用中，第一阶段筛除了图上的大部分“无用”节点，使得计算密集型的第二阶段所需考虑的备选节点大大减少，从而完成加速。

18年的S2V-DQN是第一篇尝试学习如何求解图上组合优化问题的工作，它以及后续的工作主要都集中于如何提升算法的逼近程度，而没有特别考虑在大图上的效率和扩展性，这次介绍的工作GCOMB主要关注这个问题。本文的能够扩展到上亿节点的核心是，计算密集型的步骤只在比较“好”的节点上进行计算。本文提出监督学习+强化学习两阶段的框架：监督学习部分利用GCN学习出节点的作为候选解的优劣，强化学习部分在比较好的节点中选出问题的解。在实际应用中，第一阶段筛除了图上的大部分“无用”节点，使得计算密集型的第二阶段所需考虑的备选节点大大减少，从而完成加速。

====CSDN社区====

====CSDN社区====

=====[https://blog.csdn.net/Xurui_Luo/article/details/107371115?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162779109416780274133497%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162779109416780274133497&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~baidu_landing_v2~default-7-107371115.pc_search_result_control_group&utm_term=%E7%BB%84%E5%90%88%E4%BC%98%E5%8C%96&spm=1018.2226.3001.4187 连续优化、离散优化、组合优化、整数优化和凸优化]=====

=====[https://blog.csdn.net/Xurui_Luo/article/details/107371115?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162779109416780274133497%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162779109416780274133497&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~baidu_landing_v2~default-7-107371115.pc_search_result_control_group&utm_term=%E7%BB%84%E5%90%88%E4%BC%98%E5%8C%96&spm=1018.2226.3001.4187 连续优化、离散优化、组合优化、整数优化和凸优化]=====

=====[https://blog.csdn.net/m0_37407587/article/details/87169128?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162779109416780274133497%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162779109416780274133497&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-2-87169128.pc_search_result_control_group&utm_term=%E7%BB%84%E5%90%88%E4%BC%98%E5%8C%96&spm=1018.2226.3001.4187 组合优化中的P问题，NP问题，NP-complete问题和NP-hard问题]=====

=====[https://blog.csdn.net/m0_37407587/article/details/87169128?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162779109416780274133497%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162779109416780274133497&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-2-87169128.pc_search_result_control_group&utm_term=%E7%BB%84%E5%90%88%E4%BC%98%E5%8C%96&spm=1018.2226.3001.4187 组合优化中的P问题，NP问题，NP-complete问题和NP-hard问题]=====

----

----