OptVerse AI Solver 中的机器学习内幕：设计原理与应用
人工智能
2024-01-18 v2
摘要
在数字无处不在的时代，高效的资源管理和决策对众多行业至关重要。为此，我们全面研究了将机器学习（ML）技术集成到华为云 OptVerse AI Solver 中的方法，旨在缓解现实世界数学规划实例的稀缺性，并超越传统优化技术的能力。我们展示了利用生成模型生成复杂 SAT 和 MILP 实例的方法，这些模型反映了现实世界问题的多面结构。此外，我们引入了一个利用增强策略的训练框架，以在动态环境中保持求解器的效用。除了数据生成和增强，我们提出的方法还包括用于个性化求解器策略的新型 ML 驱动策略，重点应用如图卷积网络用于初始基选择，以及强化学习用于高级预求解和割平面选择。此外，我们详细介绍了最先进的参数调优算法的集成，这些算法显著提升了求解器性能。与 Cplex 和 SCIP 等传统求解器相比，我们经 ML 增强的 OptVerse AI Solver 在既定基准和现实场景中均展现出卓越的速度和精度，强化了机器学习技术在数学规划求解器中的实际必要性和有效性。
引用
@article{arxiv.2401.05960,
title = {Machine Learning Insides OptVerse AI Solver: Design Principles and Applications},
author = {Xijun Li and Fangzhou Zhu and Hui-Ling Zhen and Weilin Luo and Meng Lu and Yimin Huang and Zhenan Fan and Zirui Zhou and Yufei Kuang and Zhihai Wang and Zijie Geng and Yang Li and Haoyang Liu and Zhiwu An and Muming Yang and Jianshu Li and Jie Wang and Junchi Yan and Defeng Sun and Tao Zhong and Yong Zhang and Jia Zeng and Mingxuan Yuan and Jianye Hao and Jun Yao and Kun Mao},
journal= {arXiv preprint arXiv:2401.05960},
year = {2024}
}