组合优化、算法与AI的交叉研究

原创

用户11764306

发布于 2026-05-27 00:00:44

阿ravind·斯里尼瓦桑：某机构学者聚焦组合优化、算法与人工智能

斯里尼瓦桑的工作横跨多个领域，包括云计算、机器学习、资源分配、在线算法、可持续能源和流行病学。

工作人员 | 2020年9月11日 | 6分钟阅读

阿ravind·斯里尼瓦桑是马里兰大学帕克分校的杰出大学教授兼计算机科学教授。斯里尼瓦桑的研究兴趣位于算法、连续与组合优化以及机器学习的交叉领域。其工作的统一主题是将概率方法部署到广泛领域，从云计算、资源分配、机器学习和电子商务，到为流行病学以及电力和能源网络的可持续发展开发计算方法。

斯里尼瓦桑是某机构的学者，这是一个由学术界人士组成的精选群体，他们在某机构攻克大规模技术问题，同时在大学进行研究。作为某机构学者，斯里尼瓦桑为某机构弹性计算云、某机构Lambda和无服务器存储服务开发算法，能在毫秒级将客户工作负载分配到云端。

斯里尼瓦桑与某机构的合作始于2019年加入成为学者之前。他于2018年获得了某机构研究奖。利用该资助，他正在研究如何提高广泛资源分配场景（包括云计算和数字营销）中的公平性。

斯里尼瓦桑及其同事还开展研究，对用于建模传染病（如冠状病毒大流行）传播的传统易感-感染-恢复模型进行创新。传统上，该模型及其相关模型的解决方案适用于同质人群。斯里尼瓦桑团队的工作使流行病学家能够开发更精细的网络化模型，从而识别超级传播者、为高危人群（如急救人员）设计干预措施，并确定应优先接种疫苗的人群以减缓疾病传播。

某机构科学团队与斯里尼瓦桑进行了访谈，深入了解他在组合优化方面的工作、该领域的新兴趋势以及他在某机构的贡献。

问：是什么让您对组合优化领域产生了兴趣？

组合优化的本质是寻求使用数学方法从大量可能性中为问题识别最佳解决方案。组合优化核心的数学优雅性极具吸引力。此外，该领域日益增长的实践重要性也吸引了研究者。

从云计算到能源和医学等广泛领域中，一些最有趣的问题都与组合优化相关。在所有行业中，每秒都有大量工作负载涌入的场景。这引发了一些非常有趣的问题：如何平衡负载？如何将它们放置在不同的服务器上？如何为故障做规划？

这些本质上是离散优化问题，其中要计算的变量并非来自连续范围。例如，对于每个传入的工作负载，都需要做决策：应将此工作负载放在特定服务器上还是其他地方？当存在大量离散变量时，情况变得非常有趣。

问：您在某机构正在做什么工作？

与某机构云服务组织内的多个团队合作。工作涉及开发最优方法来处理高容量工作负载——无论是为弹性计算云配置容量，还是为在Lambda上运行作业配置服务器——所有这些都在毫秒内完成。

在这些服务典型的高容量下，这可能是一个非常复杂的问题。处理工作负载的工作进程或服务器在计算能力和内存方面具有不同容量。然后还有其他变量，如每日或每周模式以及与季节性相关的高峰。

某机构为在这一领域工作提供了非常丰富的环境。挑战范围很广，一切都在大规模进行。有机会产生非常有意义的客户影响。在某机构仅一年，就有机会与众多不同团队合作，深入问题，并快速开发原型。

问：您合作的团队正在使用组合优化方法解决哪些有趣的挑战？

如刚才所述，行业中许多工作与离散优化相关。但某机构问题的规模和复杂性迫使人们超越常规，使用连续优化方法来解决离散优化问题。

以之前讨论的工作负载平衡为例。有一个工作负载，可以将其分配到多个服务器上。如果将决策视为与概率相关的问题，可以推断出最优分布。此时，情况变为一个连续分布问题，所有概率之和为一，约束条件为它们都是非负的。