演讲人: 陈锐 助理教授, 香港中文大学（深圳）

时间: 2025年12月12日15：00

地点: 同济大厦A楼308教室

讲座摘要: 

因果结构学习的任务是从数据中推断因果关系，但由于其固有的组合特性，计算难度极大。作为当前最前沿的方法之一，整数规划已被应用于解决基于评分的因果结构学习问题。本次报告将介绍我们近期提出的两种用于因果结构学习的整数规划新方法：1.针对贝叶斯网络结构学习整数规划模型中变量呈指数级增长的挑战，我们提出了一种非精确列生成方法，通过将定价子问题重构为次模函数之差的优化问题来求解，极大提升了求解效率与解的质量。2.我们展示了如何扩展贝叶斯网络结构学习的整数规划方法，以处理包含隐变量的因果结构学习问题。实验结果表明，我们的方法能够获得高质量的解，且优于现有的基于评分和基于约束的基准算法。

演讲嘉宾简介:

陈锐博士现为香港中文大学（深圳）助理教授。他于2017年在南京大学取得统计学学士学位，于2021年在威斯康星大学麦迪逊分校取得工业工程博士学位（决策科学与运筹学方向）。他曾于2021年至2024年在康奈尔大学进行博士后研究，于2019年及2020年在IBM研究院进行科研实习。陈博士的研究致力于发展优化的理论及计算工具（特别是针对带离散结构和随机性的优化问题）。这些研究在物流供应链，数据科学与人工智能等方向上有着广泛应用。其研究成果曾在Operations Research，Mathematical Programming，ICML，NeurIPS等高水平期刊与会议上发表。