LLM4Branch：大语言模型用于发现整数规划高效分支策略
人工智能
2026-05-12 v1 最优化与控制
摘要
高效分支策略对于加速混合整数线性规划(MILP)求解器至关重要。其设计长期依赖于手工构建的启发式方法，如今机器学习已成为自动化这一过程的有前景范式。然而，现有基于学习的方法常受制于对高成本专家演示的依赖以及训练目标与求解器端到端性能之间的鸿沟。本文提出LLM4Branch，一个利用大语言模型(LLM)自动发现高效分支策略的新框架。具体而言，发现的策略是一个可执行程序，包含由LLM生成的程序框架和参数向量，后者通过对少数实例进行零阶优化，以其端到端性能反馈为目标。针对标准MILP基准进行大规模实验，表明LLM4Branch在基于CPU的方法中建立了新的最前沿性能，并与先进的GPU-based模型实现了可竞争的性能。代码已公开于https://github.com/hzn18/LLM4Branch。
关键词
引用
@article{arxiv.2605.10401,
title = {LLM4Branch: Large Language Model for Discovering Efficient Branching Policies of Integer Programs},
author = {Zhinan Hou and Xingchen Li and Yankai Zhang and Tianxun Li and Keyou You},
journal= {arXiv preprint arXiv:2605.10401},
year = {2026}
}
备注
ICML2026 preprint, camera ready in progress