运筹学应用以数学方法为主的多学科工具，研究对各种资源的运用及筹划，了解和发现其基本规律，为科技和社会各领域的复杂问题提供科学决策，以发挥有限资源的最大效益，达到总体最优的目标。浙江大学运筹优化课题组以组合优化为特色，以调度问题，近似算法与在线算法，算法博弈论为主要研究内容，是国内离散优化研究的重要基地。控制论是研究生命体、机器和组织的内部或彼此之间的控制和通信的科学。通过信息反馈实现系统调节与控制，以在多变环境中维持平衡或稳定。[学术团队]

机器学习是人工智能的核心领域，致力于研究如何通过算法与模型，使计算机能够从数据中自动学习并持续优化。其本质在于从历史数据中识别内在规律与潜在模式，从而实现对未知数据的有效预测与智能决策。该领域涵盖监督学习、无监督学习、强化学习等多种范式，并衍生出以深度学习为代表的强大分支。目前，机器学习已成为推动全球科技变革的关键力量，被广泛应用于自然语言处理、计算机视觉、推荐系统、自动驾驶及科学研究等多个前沿领域，展现出深远的发展潜力与广泛的社会价值。未来的前沿探索更聚焦于构建更强大、更可信、更尊重隐私的机器学习系统。[学术团队]

反问题与成像是一门研究如何通过观测到的外部数据来反推物体内部结构或物理特性的交叉学科，它融合了数学、物理与计算科学，在医学成像、地球物理勘探、无损检测等领域具有广泛应用。浙江大学相关研究团队长期致力于反问题计算方法与成像理论的研究，在散射与反散射理论、医学CT与磁共振成像重建等方面取得了一系列创新成果，曾获国家自然科学二等奖等多项荣誉。近年来，随着人工智能与深度学习技术的兴起，基于神经网络的反问题求解方法迅速发展，显著提升了重建效率与质量；同时，多物理场耦合反演、新型材料研究以及超分辨成像方法，也为该领域注入了新的活力。目前，团队主要研究方向包括深度学习反演方法、短波定位与雷达成像技术、计算电磁学与反散射问题、大规模反问题的高效数值计算以及面向复杂时序大数据的融合智能等。[学术团队]

计算机辅助几何设计研究对几何外形信息的计算机表示、分析和综合，主要应用于造船工业、航空工业和汽车制造业等工业领域的几何外形设计，是工业造型软件的理论基础。华体会网页版计算机辅助几何设计团队成立于20世纪70年代，40多年来，在曲线曲面设计与计算领域取得系列研究成果，发展了几何连续性理论、离散B样条理论、曲线曲面逼近系列算法，和几何迭代法等理论和算法，获得国家自然科学三等奖和国家自然科学二等奖各一项。近年来，在计算机辅助几何设计领域涌现了一些新方法和新方向。首先，几何迭代法和渐进迭代逼近等新方法的提出和持续发展，为曲线曲面造型带来了便利；其次，随着等几何分析的深入研究，对于适用于分析和适用于制造的参数曲面和参数体的研究，以及基于物理仿真的造型技术成为几何设计领域新的研究方向；最后，计算拓扑学的发展为几何造型中的拓扑控制提供了强大的理论支撑和技术工具，出现了拓扑敏感的重建方法等新颖技术。目前，团队的研究方向包括几何迭代法、非线性细分、等几何分析、拓扑设计等。 [学术团队]