安徽农业大学硕士生、本科生第一作者《Nature》子刊（IF=31.8）发表重要研究成果

本研究针对组合优化问题在科学与工业领域面临的NP难特性挑战，提出基于超图神经网络的分布式求解框架HypOp。背景方面，传统图模型难以处理节点间高阶交互关系，而超图神经网络能有效建模复杂关联。研究目的旨在开发可扩展分布式求解器，支持任意成本函数与高阶约束的优化问题求解。通过系统评估GPU数量、图划分策略和微调算法，验证了框架鲁棒性，并以最大团问题和二次分配问题实证其泛化能力。结论表明，该研究为高阶约束组合优化问题建立了可迁移的通用求解方法论，推动了智能决策算法在复杂系统优化中的应用发展。