本网讯 近日，信息与人工智能学院岳振宇团队在国际知名期刊《Nature Machine Intelligence》（中科院一区Top，IF：23.9）发表了题为“Reusability report: A distributed strategy for solving combinatorial optimization problems with hypergraph neural networks”的研究论文。

组合优化问题广泛存在于科学与工业领域，NP难问题的特性导致传统方法在处理大规模实例时面临严峻挑战。面对节点间复杂的高阶交互关系，传统图模型能力受限，而超图神经网络通过有效建模复杂关联，为突破此类问题的瓶颈提供了创新方法论。本文针对分布式可扩展求解器HypOp展开研究，该框架专为求解含任意成本函数与高阶约束的组合优化问题而设计。研究通过调整分布式训练架构中的GPU数量、探索不同图划分策略及评估多种微调算法等，系统检验了模型的鲁棒性；同时以最大团问题与二次分配问题为案例，证实了该框架的泛化性与适用性。该研究为构建可迁移至高阶约束组合优化问题的通用求解框架奠定了方法论基础，为超图神经网络驱动的智能决策算法在复杂系统优化中的发展与应用提供了一定支撑。

安徽农业大学信息与人工智能学院2023级计算机科学与技术专业硕士生李小迪、2023级智能科学与技术专业本科生桂健峰、中科星图数字地球合肥有限公司智算架构师薛伟为共同第一作者；信息与人工智能学院岳振宇副教授与安徽大学夏俊峰教授为共同通讯作者。研究得到了国家自然科学基金、安徽省优秀青年教师培育项目、国家级大学生创新创业训练项目资助。（文图：岳振宇 初审：岳振宇 复审：陆强 终审：周小波 ）

论文链接：https://www.nature.com/articles/s42256-025-01141-4