浙大离散优化陈林研究员

报告生成时间：2026年8月20日
个人主页：Chen Lin
所属团队：浙江大学计算机科学与技术学院 / 离散优化与算法研究组

一、学者基本信息

项目	信息
姓名	陈林（Lin Chen）
现任职务	浙江大学计算机科学与技术学院百人计划研究员、博士生导师
学术定位	理论计算机科学与组合优化交叉方向的青年学者，重点开展经典离散优化问题的精细化算法研究
核心方向	组合优化的近似算法与参数算法；加性组合学在算法设计中的应用；分块结构整数规划；调度、装箱、子集和、背包与双层优化
教育背景	2008年获浙江大学数学与应用数学学士学位；2013年获浙江大学计算机科学博士学位
博士导师	张国川教授
国际履历	曾在柏林工业大学、慕尼黑工业大学和匈牙利科学院从事博士后研究；曾任美国德克萨斯理工大学助理教授
科研项目	曾主持美国国家科学基金（NSF）项目；现获国家自然科学基金支持，并主持国家自然科学基金优秀青年科学基金项目（海外）
代表性成果	2024年团队两篇论文发表于STOC、另一篇被FOCS接收；浙江大学为三项成果的唯一完成单位

陈林的研究路径具有鲜明的“数学基础—算法理论—优化应用”特征。本科阶段的数学训练为其后续使用加性组合学、复杂性理论和离散结构工具奠定基础；博士阶段在张国川教授指导下进入组合优化与算法设计领域；海外博士后与北美任教经历则扩展了其国际学术连接。回到浙江大学后，其研究与张国川团队长期积累的运筹优化、调度和算法传统相衔接，并在背包、子集和等基础问题上形成了具有辨识度的研究方向。

公开主页介绍显示，陈林已发表50余篇论文，成果覆盖SODA、STOC、FOCS、ICALP等理论计算机科学会议，以及 Mathematical Programming、SIAM Journal on Computing、ACM Transactions on Algorithms 等期刊。这意味着其关系网络不仅由单一团队论文构成，也通过理论计算机科学、运筹优化与离散数学的共同问题持续外延。

二、教育背景与职业履历

陈林的学术关系主线可从“浙大培养—欧洲博士后—美国任教—回归浙大建组”四个阶段理解。

浙江大学学习与师承阶段。 陈林于2008年在浙江大学获得数学与应用数学学士学位，2013年获得计算机科学博士学位，博士导师为张国川教授。该师承关系是其网络的第一核心节点：张国川既是其博士导师，也是浙江大学离散优化与算法研究组的重要学术组织者。陈林由数学转入计算机科学，反映出其研究不局限于运筹建模，而强调以严谨离散结构和复杂性分析改进算法边界。
欧洲博士后阶段。 博士毕业后，陈林先后在柏林工业大学、慕尼黑工业大学及匈牙利科学院从事博士后研究。三段经历连接了德国与中东欧的理论计算机科学、离散数学和优化研究环境。公开资料没有完整披露各阶段的具体合作导师与逐篇论文对应关系，因此本报告将这三所机构界定为“明确的学术训练和潜在合作枢纽”，而不将未公开的个人合作关系作确定性推断。
北美任教阶段。 在加入浙江大学前，陈林曾在德克萨斯理工大学任助理教授。北美独立任教经历使其从博士后研究者转变为能够主持项目、培养学生和组织合作的独立学者；美国国家科学基金项目经历也说明其曾进入美国科研资助与评审语境。该节点为其此后连接国内基础算法研究与国际理论计算机科学共同体提供了桥梁。
回归浙江大学阶段。 回国后，陈林加入浙江大学计算机学院，担任百人计划研究员和博士生导师。该阶段的关键变化是从个体研究者转为团队型节点：一方面与导师张国川及研究组成员协同产出，另一方面通过博士后、青年教师与研究生培养形成可持续的人才链条。2024年STOC/FOCS系列成果即是这一组织能力的集中体现。

三、学生培养情况

陈林具有博士生导师资格，人才培养应被视为其关系网络的纵向延伸。基于目前可公开核实的信息，不宜将连佳宜、毛宇尘直接表述为陈林的博士生：前者公开身份为博士后，后者为讲师；二人均与陈林在2024年顶会论文中形成明确合作。严谨地说，他们是团队科研与青年人才培养网络中的关键成员，而非仅凭共同署名即可确定师生关系。

从合作结构看，陈林的培养与协同模式至少包含三层。第一层是与张国川教授构成的师承传递：陈林将博士阶段获得的组合优化方法进一步发展为对背包、子集和、划分、调度和整数规划问题的精细算法研究。第二层是与博士后、青年教师等研究人员的项目式共创：连佳宜和毛宇尘在STOC/FOCS系列工作中承担了实质性研究角色，说明团队能够围绕同一技术主线组织跨职业阶段协作。第三层是面向在读研究生的博士培养：其课题将加性组合定理、稀疏傅里叶变换、邻近性原理和复杂性下界等抽象工具与具体优化问题结合，适合形成“理论工具学习—问题建模—算法证明—论文写作”的完整训练链。

这种培养网络的价值不止于作者名单的扩张。对理论算法团队而言，持续的共同研讨、证明细节打磨和顶会论文写作是知识传递的主要载体。2024年围绕背包、子集和与划分问题的连续成果，显示陈林已能够将同一方法论拆分为相互关联、但问题边界清晰的研究任务，从而为不同层级成员提供可衔接的研究切入点。

四、学术合作网络

4.1 内部合作：浙江大学离散优化与算法研究组

陈林当前最紧密的合作圈层位于浙江大学。其核心节点包括张国川、连佳宜、毛宇尘，以及数学学院教授谈之奕。

张国川教授：师承与团队枢纽。 张国川是陈林博士导师、研究组创始人，也是2024年代表性STOC论文的共同作者。二人的关系兼具长期师承、研究议题延续和团队组织三种属性。张国川团队在运筹优化、调度和资源分配方面的积累，为陈林聚焦基础组合优化问题提供了稳定的本土学术平台。
连佳宜：博士后与高密度论文合作节点。 连佳宜与陈林共同参与STOC/FOCS系列研究，是将研究组方法扩展到背包、子集和及划分近似方案的重要协作者。其角色表明研究组的合作并非只发生于资深教授间，而是以博士后为桥梁，将理论技术快速转化为多项可发表的成果。
毛宇尘：青年教师合作节点。 毛宇尘以共同作者身份参与STOC论文，是团队在近线性时间划分近似算法等工作中的关键成员。作为讲师，他连接了学生培养、独立科研与团队共同攻关三类功能。
谈之奕：校内跨学院协同节点。 谈之奕为浙江大学数学学院教授，与离散优化研究组存在合作联系。该连接具有学科交叉意义：陈林研究高度依赖加性组合等数学工具，数学学院的合作有助于将纯数学结构性结论转化为算法设计中的可用引理和复杂度改进。

2024年论文 “Approximating Partition in Near-Linear Time” 的作者为陈林、连佳宜、毛宇尘、张国川。论文给出运行时间为 $\widetilde{O}(n+1/\varepsilon)$ 的划分问题FPTAS，并在强指数时间假设（SETH）下达到近乎最优。这篇工作是上述内部网络的清晰“关系证据”：导师、百人计划研究员、博士后和青年教师围绕同一核心问题形成共同署名与共同产出。

4.2 跨机构合作：学术共同体与应用连接

陈林的跨机构网络主要由国内运筹学共同体、理论计算机科学会议平台和产业合作平台组成。STOC和FOCS系列成果将浙江大学离散优化团队置于国际理论算法社区的共同讨论框架中；这些会议本身不是合作机构，却是成果传播、同行评议和未来合作形成的重要枢纽。

国内学术共同体方面，陈林活跃于中国运筹学会相关学术场域。中国运筹学会排序分会举办的离散优化与近似算法会议曾邀请其作题为“Approximation schemes for subset sum and knapsack via additive combinatorics”的报告。这一公开活动表明，他与排序、调度、近似算法研究群体保持议题联系，能够围绕加性组合与经典优化的交叉方向开展学术传播。

特别需要区分的是，张国川团队与蚂蚁集团的“绿色计算下的资源分配和任务调度算法”合作项目获得2024年中国运筹学会“运筹应用奖”。公开新闻明确指出，该合作从绿色计算需求出发，建立云计算资源分配、部署与动态迁移的组合优化模型，并已落地蚂蚁集团云计算业务。陈林所在团队共享这一平台与技术生态，但公开材料未明确其在该项目中的个人署名或职责。因此，将其视为陈林的团队层面、近距离产业连接更为准确，而不应夸大为其个人直接主持的企业项目。

4.3 国际合作：机构经历与方法共同体

国际网络有两条主轴。第一条是明确的机构履历链：柏林工业大学、慕尼黑工业大学、匈牙利科学院和德克萨斯理工大学。这些节点分别对应博士后和任教经历，构成其跨欧洲、北美的职业迁移网络。第二条是更广义的加性组合学—理论算法共同体。陈林的工作将有限加和定理、Szemerédi–Vu和集定理、Balog–Szemerédi–Gowers定理等加性组合工具用于背包、子集和和卷积问题；这种研究范式天然连接离散数学家、复杂性理论研究者与算法设计研究者。

需要强调的是，“国际connections”并不等于每个海外机构都存在仍在进行的项目合作。现有公开资料充分支持这些机构为陈林的重要训练与职业节点，也支持其研究进入国际顶会传播体系；但对具体国际合作者姓名、合作频次及当前项目状态，若无论文或项目公开记录，不宜作超出证据范围的细化判断。

五、业界合作关系深度分析

陈林的直接研究重心是基础理论与算法复杂度，但其所在团队与产业的关系具有清晰的“理论—模型—场景”转换通道。最具代表性的公开案例是张国川团队与蚂蚁集团合作的绿色计算项目：团队以云计算中的资源分配、部署和动态迁移需求为起点，建立组合优化模型，利用算法理论突破获得高效求解方法，并在阿里天池数据集上表现优异，最终服务于蚂蚁集团云计算业务。

从关系深度看，可作如下分层判断：

研究议题关联度高。 陈林的研究覆盖调度、装箱、背包、整数规划与双层优化，这些问题与云资源调度、任务部署、容量配置等工程情境具有直接的结构相似性。尤其是其在分块结构整数规划和调度上的积累，为大规模、约束复杂的资源管理问题提供了理论工具储备。
团队平台连接明确。 产业合作由张国川团队开展，而陈林是该团队重要的学术成员。因此，陈林可接入应用需求、真实数据和工程问题反馈；这种连接有助于基础研究把握可迁移的问题结构。
个人直接参与证据有限。 公开报道没有逐一列明陈林在蚂蚁集团项目中的职责、成果署名或技术交付，故报告不把团队奖项直接归为其个人业界项目成绩。较严谨的表述是：该产业合作显著提升了陈林所在研究组的应用网络密度，并为其理论方向提供了潜在落地场景。
未来合作潜力较强。 其研究强调近似方案的运行时间、参数依赖和复杂性下界，这正契合产业中“可接受质量下的快速决策”需求。后续若围绕绿色计算、云资源调度、物流装箱、算力任务分配等场景开展联合课题，理论上的最优或近最优保证可以成为区别于纯经验性启发式方法的优势。

总体而言，陈林的业界关系不是以企业任职或大规模横向项目数量为特征，而是依托研究组将高难度理论优化问题映射到云计算资源调度等实际需求。这种关系较适合长期联合攻关：产业提供具有约束结构的真实问题，学术团队则提供可证明性能的算法框架。

六、重要奖项与学术兼职

陈林于2024年获得中国运筹学会“青年科技奖”。浙江大学计算机学院新闻指出，该奖项对应其在背包、划分和排序等经典组合优化问题算法研究上的突出成果。中国运筹学会科学技术奖每两年评选一次，青年科技奖体现了国内运筹优化共同体对其基础理论贡献的认可。

同年，研究组在STOC 2024发表两篇论文、在FOCS 2024接收一篇论文。除“Approximating Partition in Near-Linear Time”外，团队还围绕子集和问题取得进展，并在FOCS发表关于子集和伪多项式时间算法的工作；相关系列研究也包括背包问题近似方案。浙江大学官方新闻将其概括为：加性组合技术、邻近性原理和稀疏傅里叶变换相结合，分别推进了背包近似、子集和弱近似和精确算法等问题。三项成果既是陈林及合作者合作强度的外显证据，也使浙江大学首次以唯一完成单位在STOC和FOCS上发表论文。

陈林还在负载均衡问题中提出运行时间为 $2^{\widetilde{O}(\sqrt{1/\varepsilon})}+n^{O(1)}$ 的次指数时间近似方案，并在ETH框架下证明该运行时间几乎紧。这类“上界算法+条件下界”的工作体现了其研究并非只追求算法可行性，也重视回答“还能否进一步更快”的复杂性边界问题。

2025年，他在《运筹学学报（中英文）》发表综述《加性组合在若干经典组合优化问题中的应用》，系统讨论有限加和定理、Szemerédi–Vu和集定理和Balog–Szemerédi–Gowers定理在背包、子集和与卷积问题中的作用。该综述兼具学术传播功能：它将原本分散在离散数学和算法论文中的技术脉络整理为可复用的研究地图，有助于扩大其在加性组合与算法交叉社区的学术连接。

关于学术兼职，现有公开检索未发现可稳定核实的期刊编委、学会任职或会议组织职务名单。为避免将受邀报告、获奖或团队成员关系误写为正式兼职，本报告不作未经证实的兼职列举；可以确认的是，他通过中国运筹学会相关会议报告及STOC/FOCS等国际会议成果，已处于国内外离散优化与理论算法共同体的重要交流网络中。

七、Connection圈层总结

陈林的学术关系网络可概括为由近及远的五层结构：

第一圈层：师承与核心共同作者。 张国川教授是最稳定的学术源头和团队枢纽；连佳宜、毛宇尘与陈林构成在2024年顶会成果中可明确识别的高强度合作单元。该圈层具有共同署名、持续议题和组织关系的多重支撑。
第二圈层：浙江大学校内跨学科伙伴。 以谈之奕等数学方向合作者为代表，连接计算机学院与数学学院。该圈层的作用是为加性组合学、离散数学与优化算法之间的技术迁移提供支撑。
第三圈层：国际职业经历网络。 柏林工业大学、慕尼黑工业大学、匈牙利科学院和德克萨斯理工大学构成其欧洲—北美学术迁移链。它们提升了其国际化研究训练和学术交流能力，但具体当下合作关系应以新论文和项目记录为准。
第四圈层：理论算法与加性组合学共同体。 STOC、FOCS、SODA、ICALP及相关顶级期刊构成成果发布和同行互动平台；加性组合学则是跨越数学与计算机科学的核心“技术语言”。这一圈层决定其研究的国际可见度与方法扩散范围。
第五圈层：产业应用与运筹实践网络。 通过张国川团队与蚂蚁集团在绿色计算资源分配、任务调度等方面的合作，基础理论研究获得真实场景接口。此圈层目前以团队级连接为主，未来可进一步发展为陈林在高效近似算法、整数规划和云计算调度方面的个人应用合作方向。

综合来看，陈林的网络优势在于“深师承、强团队、跨学科、国际化”的叠加：张国川—浙江大学离散优化团队提供稳定的本土学术根基；加性组合学提供可与国际理论算法共同体对话的原创方法；欧洲与北美经历提供跨机构视野；产业合作平台则为算法理论对接绿色计算与资源调度等实际问题创造条件。其未来网络扩张的关键，预计将是继续把加性组合工具推广至更多经典组合优化问题，同时以博士生、博士后和青年教师协同机制巩固研究组的持续产出能力。

信息来源说明

本报告基于公开网页资料整理，重点参考：浙江大学计算机学院《计算机学院离散优化团队在基础计算问题上取得重要进展》（2024年8月）、《计算机学院离散优化团队喜获中国运筹学会科学技术奖》（2024年10月）；陈林浙江大学英文个人主页；论文 Approximating Partition in Near-Linear Time（STOC 2024）；以及《运筹学学报（中英文）》综述《加性组合在若干经典组合优化问题中的应用》（2025年）。对未在公开材料中给出直接佐证的师生、个人产业项目和国际合作细节，均采用审慎表述。

浙大离散优化 陈林 研究员