混合整数线性规划中的折扣伪代价

在本文中，我们受强化学习中折扣总奖励的启发，引入了折扣伪代价的概念，并探讨了其在混合整数线性规划中的应用。传统的伪代价估计了分支定界过程中由于变量边界变化而导致的目标函数变化。通过整合强化学习的概念，我们提出了一种新颖的方法，将前瞻性视角纳入伪代价估计中。我们阐述了折扣伪代价背后的动机，并讨论了它们如何代表在MILP问题空间中探索一层后的分支预期奖励。在MIPLIB 2017基准实例上的初步实验证明了折扣伪代价在增强分支策略和加速具有挑战性的MILP问题求解过程方面的潜力。