使用大语言模型诊断不可行优化问题
人机交互
2023-08-25 v1 计算与语言
机器学习
最优化与控制
摘要
决策问题可表示为数学优化模型，在经济学、工程与制造、交通运输和医疗等领域有广泛应用。优化模型是在满足一组需求或约束的同时做出最佳决策这一问题的数学抽象。将这些模型实际部署的主要障碍之一，在于帮助从业者理解并解释此类模型的挑战，尤其当模型不可行（即无任何决策满足所有约束）时。现有诊断不可行优化模型的方法常依赖专家系统，需要大量优化背景知识。本文中，我们介绍 OptiChat，一种首创的基于自然语言、配备聊天机器人 GUI 的系统，用于围绕不可行优化模型进行交互式对话。OptiChat 可提供优化模型本身的自然语言描述，识别不可行的潜在来源，并给出使模型可行的建议。OptiChat 的实现基于 GPT-4，其与优化求解器接口以识别使整个优化问题不可行的最小约束子集，即不可约不可行子集（IIS）。我们利用少样本学习、专家思维链、关键检索和情感提示来增强 OptiChat 的可靠性。我们的实验表明，OptiChat 协助专家与非专家用户增进对优化模型的理解，使其能够快速识别不可行的来源。
引用
@article{arxiv.2308.12923,
title = {Diagnosing Infeasible Optimization Problems Using Large Language Models},
author = {Hao Chen and Gonzalo E. Constante-Flores and Can Li},
journal= {arXiv preprint arXiv:2308.12923},
year = {2023}
}