报告摘要：

松弛团指的是近似完全图的图结构，是图论和组合优化领域的经典模型。松弛团模型在数据挖掘，人工智能领域有着重要的应用，而如何从大规模的图中挖掘大型松弛团则是这类应用均需解决共性问题。在本次报告中，我们将从算法工程的角度来介绍松弛团挖掘问题的分析和求解。具体来说，我们将介绍松弛团问题的背景、应用并重点介绍基于分支算法的松弛团问题理论及实践。我们还将以k-plex，最密子图等松弛团为例，介绍这类问题的当前最新的优化结果。

报告人简介：

 周毅，电子科技大学计算机科学与工程学院副教授，2010年和2013年于电子科技大学获得计算机科学与技术学士和硕士学位，2017年于法国昂热大学LERIA实验室获博士学位。周毅长期致力于组合优化和算法工程方面的研究与探索，为一些列的重要的图问题设计了当前最快的精确及启发式算法。他在WWW，AAAI，EJOR等一系列顶级会议和优化权威期刊发表了论文20余篇，主持了一项国家自然基金青年项目。周毅博士亦积极推动组合优化及实验算法在工业界的运用，主持及参与了与华为，中国电子科技集团，浙江精工钢构集团一系列算法工程项目。