本书对组合优化的机器学习求解方法进行了阐述．全书从组合优化机器学习方法的起源算法开始，详细介绍一些代表性的模型、算法和理论，内容深入浅出，注重理论与实际应用的结合，力图给出该学术领域的研究趋势和最新的研究成果。
本书可作为最优化、计算数学、人工智能、计算机科学、控制科学、管理科学等专业的高年级本科生、研究生和科研人员的参考书，同时也可供对机器学习领域感兴趣的科技工作者阅读和参考。

前言
第1章 组合优化概述
1.1 组合优化的概念
1.2 组合优化与计算机数学
1.2.1 什么是计算机数学？
1.2.2 组合优化与计算机数学之间的关系
1.2.3 计算机科学中最重要的三十二个算法
1.3 组合优化问题的研究方法
1.3.1 组合优化问题的一般模型与求解算法
1.3.2 经典的组合优化问题与求解算法
1.3.3 组合优化问题的机器学习求解算法
1.4 本章小结
第2章 机器学习与组合优化问题
2.1 机器学习概述
2.1.1 机器学习发展历程
2.1.2 机器学习分类
2.1.3 深度学习
2.1.4 深度强化学习
2.2 围棋人工智能方法对求解组合优化问题的启示
2.2.1 AlphaGo
2.2.2 AlphaGo Zero
2.2.3 AlphaGo & AlphaGo Zero与组合优化问题
2.3 本章小结
第3章 从序列输入到序列输出的机器学习网络模型和算法
3.1 循环神经网络
3.1.1 前向传播过程
3.1.2 后向传播过程
3.2 长短期记忆模型
3.3 双向循环神经网络
3.4 编码-解码模型
3.5 注意力机制模型
3.6 本章小结
第4章 组合优化的深度学习方法
4.1 基于有监督学习的求解方法
4.1.1 指向型网络
4.1.2 基于目标函数训练的求解算法
4.2 基于强化学习的求解方法
4.2.1 神经组合优化模型的求解方法
4.2.2 动态输入的组合优化模型的求解方法
4.2.3 图结构问题的组合优化模型的求解方法
4.3 本章小结
第5章 图像识别中的组合优化问题的求解方法
5.1 多指向型网络求解点集匹配问题
5.1.1 点集匹配问题
5.1.2 多标签分类
5.1.3 算法结构
5.1.4 实验结果及分析
5.2 基于强化学习的图匹配问题的求解方法
5.2.1 图匹配问题
5.2.2 求解图匹配问题的深度强化学习求解方法
5.2.3 实验结果及分析
5.3 基于卷积神经网络的图像对齐问题的求解方法
5.3.1 图像对齐问题
5.3.2 图像对齐问题的深度学习求解方法
5.3.3 基于关键点对齐的图像匹配算法
5.3.4 基于关键点对齐算法在指纹识别中的应用
5.4 本章小结
第6章 机器学习算法的复杂性理论
6.1 算法复杂性理论
6.2 基于线下学习和线上运行的学习类算法的复杂性度量
6.2.1 深度学习类线下训练算法的复杂度
6.2.2 学习类算法的时间复杂度函数
6.3 本章小结
6.4 总结与展望
参考文献