组合优化是运筹学和计算机科学中一项成熟的研究领域。迄今为止，其方法主要集中于单独解决问题实例，而忽略了这些问题在实际中往往源自相关的数据分布。然而，近年来，利用机器学习，尤其是图神经网络（GNN），已成为解决组合优化任务的关键手段，既可以直接作为求解器使用，也可以辅助精确求解器。GNN的归纳偏置能有效地编码组合和关系输入，得益于其对置换的不变性以及对输入稀疏性的敏感性。本文对该新兴领域的最新关键进展进行了概念性回顾，旨在为优化和机器学习研究者提供指导。
组合优化是运筹学和计算机科学中一项成熟的研究领域。迄今为止，其方法主要集中于单独解决问题实例，而忽略了这些问题在实际中往往源自相关的数据分布。然而，近年来，利用机器学习，尤其是图神经网络（GNN），已成为解决组合优化任务的关键手段，既可以直接作为求解器使用，也可以辅助精确求解器。GNN的归纳偏置能有效地编码组合和关系输入，得益于其对置换的不变性以及对输入稀疏性的敏感性。本文对该新兴领域的最新关键进展进行了概念性回顾，旨在为优化和机器学习研究者提供指导。