空间分支中的学习：强分支模仿的局限性
最优化与控制
2024-06-07 v1
摘要
在过去几年中，使用学习技术来提高优化算法性能的研究激增。特别是，混合整数线性规划中分支规则的学习受到了广泛关注，大多数方法基于强分支模仿。最近，在非线性规划领域也取得了一些进展，一些方法专注于学习从预定义规则集中选择最佳分支规则，并取得了有希望的结果。在本文中，我们在非线性设置中探讨了上述两种方法可能实现的改进极限：学习选择最佳变量（强分支）和学习选择最佳规则（规则选择）。
引用
@article{arxiv.2406.03626,
title = {Learning in Spatial Branching: Limitations of Strong Branching Imitation},
author = {Brais González-Rodríguez and Ignacio Gómez-Casares and Bissan Ghaddar and Julio González-Díaz and Beatriz Pateiro-López},
journal= {arXiv preprint arXiv:2406.03626},
year = {2024}
}