寻找整数规划的后门：一个蒙特卡洛树搜索框架
人工智能
2022-07-11 v2
摘要
在混合整数线性规划（MIP）中，（强）后门是实例整数变量的一个“小”子集，具有以下性质：在分支定界过程中，仅对后门中的变量进行分支即可将实例求解至全局最优。为广泛使用的 MIP 基准集或特定问题族构建预计算后门的数据集，可催生关于 MIP 新颖结构属性的新问题，或解释为何理论上困难的问题在实践中可被高效求解。现有的寻找后门的算法以各种方式对候选变量子集进行采样，该方法已证明 MIPLIB2003 和 MIPLIB2010 中某些实例存在后门。然而，由于探索与利用之间的不平衡，这些算法未能始终如一地成功完成该任务。我们提出 BaMCTS，一个用于寻找 MIP 后门的蒙特卡洛树搜索框架。广泛的算法工程、与传统 MIP 概念的混合，以及与 CPLEX 求解器的紧密集成，使我们的方法在 MIPLIB2017 实例上超越基线，更频繁且更高效地找到后门。
引用
@article{arxiv.2110.08423,
title = {Finding Backdoors to Integer Programs: A Monte Carlo Tree Search Framework},
author = {Elias B. Khalil and Pashootan Vaezipoor and Bistra Dilkina},
journal= {arXiv preprint arXiv:2110.08423},
year = {2022}
}
备注
Published in the Proceedings of AAAI 2022