概述

本课题组致力于在整数规划与非凸优化等经典方法上，结合学习优化与大语言模型，开发新一代智能决策算法，并应用于工业调度、收益管理及大模型推理等现实场景，以实现高质量的规模化决策。

招生对象

硕士研究生和博士研究生

协调人

李肖鹏，助理教授 (人工智能学院)

成员

李肖鹏，助理教授 (人工智能学院)

罗效东，教授 (深圳大数据研究院)

王源 (深圳大数据研究院)

赵婧怡 (深圳大数据研究院)

数学优化：线性规划；混合整数线性规划；非凸连续优化。

学习增强运筹学：学习优化；LLM辅助的运筹学建模与问题构建。

应用：生产调度与规划、车辆路径、库存与收益管理；启发式算法的GPU并行加速；高效LLM推理与决策的优化。

本课题组联合了多位来自人工智能学院和深圳大数据研究院的成员，围绕一个共同的使命：推动面向运营决策的学习增强优化技术发展。我们在线性、整数或混合整数以及非凸优化领域开发新方法；设计新的学习优化流程；并利用大语言模型辅助运筹学建模、自动化问题构建和求解器指导。我们的目标是产出有原则、可扩展的算法，这些算法能在真实系统中（如制造调度与规划、库存/收益管理以及LLM推理）带来可衡量的性能提升。我们强调AI与运筹学的融合，以实现工业级的快速、高质量决策。本课题组将开展跨SAI和SRIBD的合作项目，并培养学生使其具备在优化、机器学习和决策智能交叉领域工作的能力。