NeurIPS，全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems)，该会议固定在每年的12月举行，由NIPS基金会主办。NeurIPS为人工智能领域全球最高级别的学术会议之一，是CCF-A类国际学术会议。
论文题目：OT4P: Unlocking Effective Orthogonal Group Path for Permutation Relaxation
指导教师：伍铁如教授
收录会议：NeurIPS 2024
会议类别：CCF-A
论文概述：
对置换进行优化通常是一个NP-hard问题，广泛应用于排序、匹配、跟踪等领域。基于Birkhoff多胞体的松弛方法在无惩罚优化和概率推理方面取得了显著进展。在正交群上的松弛提供了独特的潜在优势，例如低维表示和保持内积；然而，同样有效的方法尚未得到探索。为了弥补这一差距，我们提出了一种温度控制的可微变换，将无约束向量空间映射到正交群，其中温度在极限情况下将正交矩阵集中在置换矩阵附近。该变换自然地实现了对置换矩阵松弛的参数化，允许对涉及置换的问题进行梯度优化。此外，通过推导出重新参数化的梯度估计器，该变换还提供了对潜在置换高效地随机优化。大量涉及置换矩阵优化的实验验证了所提方法的有效性。
