應永利集團3044am官方入口邀請，6月10日下午，中國科學院大學韓叢英教授在理化樓401作了題為“求解大規模線性規劃問題的端到端學習算法介紹”的學術報告，該報告為“理學之美”前沿論壇第554講。
韓叢英教授以人工智能對其他學科的重要影響為背景，圍繞隨之產生了優化問題的求解新范式——學習最優化方法，重點介紹了求解大規模線性規劃問題的端到端學習算法。從秩和條件數可控的線性規劃實例生成這一角度進行切入，詳細闡述了線性規劃測試實例應具備無偏性、代表性和多樣化等特點。她基于強化學習的線性規劃單純形最優轉軸標簽樣本生成，設計了一種適用于任意線性規劃實例方法，為單純形算法提供最優轉軸路徑，以及為基于監督學習的方法提供一種最優的監督信號，使單純形法監督學習類方法的性能不再受標簽所限。韓叢英教授最后介紹了求解大規模線性規劃問題的端到端的學習算法，表示算法為圖神經網絡引入mask機制和M-Order Top-K Search技巧，從而設計了Gfilter規則，可以很好地適用于不同類型線性規劃實例的求解場景。
報告結束后，韓叢英教授與在場師生就大規模線性規劃問題的多個關鍵議題展開了深入討論，涵蓋數據樣本庫生成與推廣、轉軸次數的多項式條件保證、基于蒙特卡洛樹搜索等模型的求解效率對比，以及相關模型在混合整數規劃等問題展開熱烈討論。
韓叢英，中國科學院大學長聘教授、博士生導師。近年主要從事組合優化的人工智能求解方法、機器學習與優化、深度學習與模式識別、強化學習與智能決策等交叉學科的理論與應用方面的研究。在人工智能期刊和國際學術會議AAAI、NeurIPS、ICML和CVPR等發表了系列研究論文。獲得中國運籌學會科學技術獎運籌應用獎、國際運籌學會聯合會運籌進展獎二等獎（IFORS prize for OR in development, Runner-up）等。主持國家自然科學基金重點項目、科技部“數學和應用研究”重點研發項目課題、國家自然科學基金面上、青年項目以及省部級縱橫向項目多項，目前兼任中國運籌學會第十二屆常務理事。
