置信度阈值神经潜水法
最优化与控制
2022-03-16 v2 人工智能
离散数学
机器学习
神经与进化计算
摘要
在更短时间内找到更好的可行解是求解混合整数规划（Mixed Integer Programs）的重要组成部分。我们提出一种基于 Neural Diving 的事后方法来更灵活地构建启发式策略。我们假设具有较高置信度分数的变量更确定地包含在最优解中。针对我们的假设，我们提供了经验证据，表明置信度阈值技术产生的部分解可导出具有更优原始目标值的最终解。我们的方法在 NeurIPS 2021 ML4CO 竞赛的原始任务中获得第二名。同时，我们的方法在竞赛中在所有其他基于学习的方法中取得了最佳分数。
引用
@article{arxiv.2202.07506,
title = {Confidence Threshold Neural Diving},
author = {Taehyun Yoon},
journal= {arXiv preprint arXiv:2202.07506},
year = {2022}
}
备注
Published on the NeurIPS 2021 ML4CO Competition Proceedings section, see https://www.ecole.ai/2021/ml4co-competition/#proceedings