通过人工智能去除基于分解的优化中的人工干预:第二部分.学习初始化
最优化与控制
2023-10-12 v1 机器学习
摘要
大规模优化问题的重复求解在过程系统工程中频繁出现。基于分解的求解方法已被广泛用于减少相应计算时间,但其实现有多个难以配置的环节。我们提出一种机器学习方法,以学习此类算法的最优初始化,从而最小化计算时间。使用主动学习与监督学习来学习一个代理模型,该模型预测给定初始化下的计算性能。我们将此方法应用于广义Benders分解的初始化,以求解混合整数模型预测控制问题。该代理模型用于寻找应在主问题中添加的最优初始割线数量。结果表明,所提方法可显著减少求解时间,且主动学习能减少学习所需的数据量。
引用
@article{arxiv.2310.07082,
title = {Taking the human out of decomposition-based optimization via artificial intelligence: Part II. Learning to initialize},
author = {Ilias Mitrai and Prodromos Daoutidis},
journal= {arXiv preprint arXiv:2310.07082},
year = {2023}
}