BenLOC: 学习配置 MIP 优化器的基准
最优化与控制
2025-09-30 v1 人工智能
摘要
随着大量配置会显著影响求解器性能，混合整数规划 (MIP) 优化器的自动配置变得日益关键。然而，缺乏标准化的评估框架导致了数据泄漏和过于乐观的声明，因为先前的研究通常依赖于同质的数据集和不一致的实验设置。为了促进公平的评估过程，我们提出了 BenLOC，一个全面的基准和开源工具包，它不仅提供了用于学习实例级 MIP 优化器配置的端到端流水线，还标准化了数据集选择、训练-测试集划分、特征工程和基线选择，以实现无偏和全面的评估。利用该框架，我们在五个成熟的 MIP 数据集上进行了实证分析，并将带有手工特征的经典机器学习模型与最先进的深度学习技术进行了比较。结果证明了 BenLOC 提出的数据集、特征和基线准则的重要性，以及 BenLOC 在提供无偏和全面评估方面的有效性。
引用
@article{arxiv.2506.02752,
title = {BenLOC: A Benchmark for Learning to Configure MIP Optimizers},
author = {Hongpei Li and Ziyan He and Yufei Wang and Wenting Tu and Shanwen Pu and Qi Deng and Dongdong Ge},
journal= {arXiv preprint arXiv:2506.02752},
year = {2025}
}
备注
A Benchmark for learning to configurate MIP Optimizers (Solvers)