学习处理组合优化中的参数扰动：以设施选址为例的应用
最优化与控制
2024-04-09 v1 机器学习
摘要
我们提出一种将组合优化问题求解与机器学习方法相结合的方法，应用于单源带容量设施选址问题。我们的研究设定在给定参考设施选址优化问题的背景下。假设存在许多参考问题的变体（历史的或模拟的）及其最优解的数据，我们研究如何利用这些数据对未见的新实例进行预测。我们展示了如何从这些数据构建分类器，以确定参考问题的解是否仍适用于新实例。若参考解部分适用，我们构建回归器以指示预期变化的幅度，反之指示新实例可保留多少该解。这一源自先验信息的洞察，通过原数学规划表述中的附加约束来表达。我们给出了实证评估，并讨论了此类方法的益处、缺陷与前景。尽管通过设施选址问题的应用予以呈现，此处开发的方法具有通用性，并探索了在组合优化中利用过往经验的新视角。
引用
@article{arxiv.1907.05765,
title = {Learning to Handle Parameter Perturbations in Combinatorial Optimization: an Application to Facility Location},
author = {Andrea Lodi and Luca Mossina and Emmanuel Rachelson},
journal= {arXiv preprint arXiv:1907.05765},
year = {2024}
}