机构名称：
¥ 1.0
切割平面（切割）在解决混合整数线性程序（MILP）方面起着重要作用，因为它们可以显着拧紧双重界限并改善解决性能。削减的关键问题是何时停止削减生成，这对于解决MILP的效率很重要。但是，许多现代的MILP求解器采用了硬编码的启发式方法来解决这个问题，这往往会忽略MILPS中基本的作用，而不是某些应用。为了应对这一挑战，我们制定了削减生成，以阻止概率作为增强学习问题，并提出了一种新颖的新生graph g raph raph raph raph raph m o del（Hygro），以学习有效的停止策略。Hygro的一个吸引人的特征是，它可以有效地捕获MILP的动态和静态功能，从而为停止策略提供动态决策。据我们所知，Hygro是第一个解决削减生成停止问题的数据驱动方法。通过将我们的方法与现代求解器相结合，实验表明，与柔软的基线相比，透明质可能可显着提高解决MILP的效率，从而提高31％。
学习停止削减生成以进行有效的混合构成线性编程
主要关键词
相关文件推荐
