本研究提出了一种高效的符号搜索框架，旨在从不完整知识图谱中检索复杂逻辑公式。通过约束策略和局部搜索算法，显著降低了数据复杂性和查询的NP复杂性，计算负载减少90%，性能几乎保持不变。

本文研究了签名网络中的极化社区发现，提出了一种基于Frank-Wolfe优化的局部搜索方法，有效识别内部紧密、外部敌对的极化社区。实验结果表明，该方法在质量和计算效率上优于现有最佳方法。

本研究提出了一种新方法“局部搜索与关联学习2”，通过加权变量交互图解决了局部搜索方法无法有效获取变量交互强度的问题，揭示了变量间的交互关系，并提供了新的交互强度见解。实验表明其在特征选择中的可视化和优化潜力。

提出基于半定规划松弛的半监督支持向量机分支定界方法，通过界限加强和局部搜索提升效率，可处理比文献大10倍的实例。

该文汇总多项研究，涵盖算法选择决策树、DCSAT框架、对称学习、稳定婚姻与医院/住院医师问题的整数线性规划模型、两步检验框架、共享内存数据分配与任务调度、机器学习预测分子性质、ASP/约束编程/整数规划比较、TOPSIS软件可维护性预测及最大权独立集局部搜索算法。