Neur2BiLO：神经双层优化
最优化与控制
2024-11-04 v2 人工智能
机器学习
摘要
双层优化处理嵌套问题，其中领导者首先做出决策以最小化其目标函数，同时考虑跟随者的最佳响应反应。具有整数变量的约束双层问题因其难度而尤为臭名昭著。尽管已经提出了用于混合整数线性双层优化的精确求解器，但它们往往随问题规模扩展性差，且难以推广到非线性情况。另一方面，特定问题的算法（精确和启发式）范围有限。在数据驱动环境下，当类似的双层问题实例被常规求解时，我们提出的框架Neur2BiLO将领导者或跟随者价值函数的神经网络近似（通过监督回归训练）嵌入到一个易于求解的混合整数规划中。Neur2BiLO作为一种启发式方法，能够极快地产生高质量的解，适用于四个具有线性和非线性目标以及纯整数和混合整数变量的应用。
引用
@article{arxiv.2402.02552,
title = {Neur2BiLO: Neural Bilevel Optimization},
author = {Justin Dumouchelle and Esther Julien and Jannis Kurtz and Elias B. Khalil},
journal= {arXiv preprint arXiv:2402.02552},
year = {2024}
}