cuPDLP.jl：基于 Julia 的 restarted 原始对偶混合梯度法求解线性规划的 GPU 实现
最优化与控制
2024-06-10 v4
摘要
在本文中，我们对于一个长期存在的问题给出了肯定回答：GPU 是否有助于求解线性规划？我们提出 cuPDLP.jl，一种用于求解线性规划（LP）的 restarted 原始对偶混合梯度（PDHG）的 GPU 实现。我们表明，这一 Julia 原型实现在标准 LP 基准测试集上的数值表现与 Gurobi（一种高度优化的单纯形法和内点法实现）相当。这展示了 GPU 在线性规划中的威力，首次表明 GPU 与一阶方法能够在标准基准测试集上达到与最先进商业优化 LP 求解器相当的性能。
引用
@article{arxiv.2311.12180,
title = {cuPDLP.jl: A GPU Implementation of Restarted Primal-Dual Hybrid Gradient for Linear Programming in Julia},
author = {Haihao Lu and Jinwen Yang},
journal= {arXiv preprint arXiv:2311.12180},
year = {2024}
}