在计算机科学以及众多生产实践领域，存在着大量的组合优化问题，例如调度问题、云计算服务器负载均衡、智能选址以及软件工程领域中的众多优化问题。这些问题的求解既有重要的理论意义，又有广泛的应用价值。研究所在理论、算法设计与分析、应用等各个层面展开研究，以问题特征挖掘与利用为主线，做出一系列有代表性的成果。
（1）组合优化问题理论研究
针对组合优化领域的近似带排样问题，建立将装箱问题应用于带排样问题的算法通用框架，验证该框架应用于线上和线下问题的适应度，开展线上带排样问题上界的分析。将线下装箱算法应用到带排样问题可以保持几乎相同的最坏情况比例；一类基于谐波的装箱算法可以被应用到线上带排样问题中；得到优于已知最优的带排样算法上界。相关工作发表在计算机科学理论顶级期刊Information and Computation。
（2）问题特征挖掘与分析
以软件工程组合优化问题为研究案例，如软件升级问题，软件发布问题等，通过深入挖掘和分析问题实例的特征，提出基于元学习的问题特征模型，以及基于元模型的算法性能预测和多目标相关性分析与预测。相关工作发表在PPSN、中国科学等主流学术会议与期刊。
（3）面向行业的数据科学的应用
在应用方面，提供面向行业的大数据预处理、特征提取与分析的解决方案，包括交通、房地产等。如针对即时拼车进行结果预测，帮助用户合理安排出行方式，算法根据数据集在整体和类间分布不平衡的特点，对传统算法进行改进，使得待测样本的近邻选择过程以及准确性不受样本分布差异影响。
在以上研究方向发表如下代表性论文：
[1]Xin Han, Kazuo Iwama, Deshi Ye, Guochuan Zhang. Approximate strip packing: Revisited, Information Computation，2016， 249: 110-120.
[2] Zhilei Ren, He Jiang, Jifeng Xuan, Yan Hu. Analyzing Inter-objective Relationships: A Case Study of Software Upgradability. Proceedings of the 14th International Conference on Parallel Problem Solving from Nature (PPSN 2016), 2016.
[3] Zhilei Ren, He Jiang, Jifeng Xuan,et al. Feature based problem hardness understanding for requirements engineering. Science China Information Sciences, 60(3), 032105, 2017.
[4] Yong Piao, Xueyuan Huang. Success Rate Prediction of Instant Carpooling Based on Random Forest. 11th International Symposium on Computational Intelligence and Design (ISCID 2018), 2018.
