背景

• 时间：Sep 2025 - Present
• 场景：组合优化问题的深度学习建模与通用求解平台建设。

方法

• 探索基于图神经网络的数据表示与特征学习机制。
• 与强化学习框架（例如 REINFORCE）结合，设计训练与推理流程。
• 参与 EasyCO 开源平台开发，沉淀可复用求解组件。

结果

• 形成可支持工业应用场景的通用高效求解器开发路径。
• 在平台层面完成了关键模块贡献与工程化集成。

技术栈

• Python
• Graph Neural Network
• Reinforcement Learning
• EasyCO

反思

• 下一步可强化对大规模实例的可扩展性评估。
• 需要进一步完善训练稳定性与推理效率的联合优化策略。