Balans：基于多臂赌博机的混合整数规划自适应大邻域搜索
人工智能
2025-07-24 v3 机器学习
最优化与控制
摘要
混合整数规划（MIP）是建模和求解各种重要组合优化问题的强大方法。最近，基于学习的方法显示出通过离线训练加速 MIP 求解的潜力，这些训练随后指导搜索期间重要设计决策。然而，这些方法的一个显著缺点是其对离线训练的重度依赖，这需要收集训练数据集并进行计算密集的训练周期，却仅能为未见（更大）实例提供有限的泛化能力。本文提出了 Balans，一种具有在线学习能力的自适应 MIP 求解器，不需要任何监督或先验训练。在其核心，Balans 基于自适应大邻域搜索（adaptive large-neighborhood search），在 MIP 求解器之上通过连续应用摧毁和修复邻域算子实现。搜索期间，邻域定义的选择通过多臂赌博机算法在实时为当前实例指导。我们的广泛实验表明，Balans 在默认 MIP 求解器之上实现了显著的性能提升，优于仅依赖单一最佳邻域方法，亦优于现有的 MIP 大邻域搜索方法。最后，我们将 Balans 作为高度可配置、对 MIP 求解器不依赖的开源软件发布。
引用
@article{arxiv.2412.14382,
title = {Balans: Multi-Armed Bandits-based Adaptive Large Neighborhood Search for Mixed-Integer Programming Problem},
author = {Junyang Cai and Serdar Kadioglu and Bistra Dilkina},
journal= {arXiv preprint arXiv:2412.14382},
year = {2025}
}