聚类问题旨在将数据集划分为若干组，使同组内的对象相似、不同组间的对象差异较大。公平聚类是在传统聚类的基础上引入公平性约束，要求各簇在性别、地域、群体等敏感属性上保持均衡，从而避免算法结果对特定群体的不公正偏倚。我们从聚类的中心和用户公平性的角度分别介绍两类公平聚类模型，并介绍相应的近似算法。

吴晨晨，天津理工大学理学院教授，博导，天津理工大学运筹学与系统工程研究所所长，担任中国运筹学会理事兼任宣传工作委员会秘书长，中国运筹学会数学规划分会常务理事兼任副秘书长。研究领域和兴趣为组合优化，次模优化和鲁棒优化等。2016年入选天津市“131”创新型人才，主持国家自然科学基金青年项目和面上项目，天津市教委科研计划项目等。在Mathematical Programming, Algorithmica, IEEE Internet of Things Journal等期刊和会议发表论文60余篇。