Los problemas de optimización combinatoria (COPs) son una clase de problemas NP-duros con gran importancia práctica. Los enfoques tradicionales para los COPs sufren de alto tiempo computacional y dependencia del conocimiento experto, y los métodos de aprendizaje automático (ML), como herramientas poderosas, se han utilizado para superar estos problemas. En esta revisión, se investigan principalmente los COPs en áreas de energía con una serie de enfoques modernos de ML, es decir, las áreas interdisciplinarias de COPs, ML y áreas de energía. Los trabajos recientes sobre la resolución de COPs utilizando ML se clasifican primero por métodos que incluyen aprendizaje supervisado (SL), aprendizaje profundo (DL), aprendizaje por refuerzo (RL) y métodos teóricos de juegos propuestos recientemente, y luego se presenta la línea de tiempo de las mejoras para algunos COPs fundamentales. Las aplicaciones prácticas de los métodos de ML en las áreas de energía, incluyendo la cadena de suministro de petróleo, la fabricación de acero, el sistema de energía eléctrica y la energía eólica, se resumen por primera vez, y se analizan los desafíos en este campo.