本書通過分析最優(yōu)化理論和算法與機器學習的關(guān)系：最優(yōu)化理論和算法促進了機器學習的發(fā)展，同時機器學習對最優(yōu)化的理論和求解方法也帶來了新的研究方向和研究方法。我們針對組合優(yōu)化問題，特別是NP問題,提出機器學習的求解方法，此類方法通過一些學習方法，結(jié)合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機器學習理論方法。
　　本書共分為六章，第一章介紹組合優(yōu)化及組合優(yōu)化問題的求解方法。第二章研究機器學習方法，并分析用部分機器學習方法帶來的組合優(yōu)化求解的啟示。第三章介紹現(xiàn)階段可以常用于求解組合優(yōu)化問題的機器學習方法，循環(huán)神經(jīng)網(wǎng)絡(luò)、長短期記憶模型、編碼和解碼模型等等。第四章介紹求解組合優(yōu)化問題的深度網(wǎng)絡(luò)模型和算法，詳盡介紹強化學習求解組合優(yōu)化問題的模型和算法。第五章重點介紹圖像識別中存在的組合優(yōu)化問題的機器學習求解方法，求解點集匹配問題，圖匹配問題以及圖像對齊問題等等。第六章對比傳統(tǒng)的組合優(yōu)化問題算法的復雜性分析，給出求解組合優(yōu)化問題的算法復雜性理論分析。