自适应离合器-MILP swMATH编号： 45912 软件作者： 马克·特纳（Mark Turner）；科赫、托尔斯滕；费利佩·塞拉诺；迈克尔·温克勒 描述： 混合整数线性规划中的自适应切割选择。切割平面选择是所有现代混合整数线性规划解算器中使用的子例程，其目标是选择生成的切割子集，以获得最佳解算器性能。这些解算器有数百万个参数组合，因此是参数调整的最佳候选对象。切割选择评分规则通常是不同测量值的加权和，其中权重是参数。我们给出了一个混合整数线性规划的参数族，以及无限多个族范围的有效割。其中一些切割可以在应用后直接导出整数最优解，而其他切割即使应用无限量也无法实现。我们证明了对于一个特定的割集选择规则，任何对参数空间的有限网格搜索都将丢失所有参数值，这些参数值在我们的问题中选择了无穷多个整数最优诱导割集。我们提出了对现有图卷积神经网络设计的一种改进，使其适应于学习切割选择规则参数。我们提出了一个用于选择切割的强化学习框架，并在2017年MIPLIB上使用该框架和神经网络验证数据集训练我们的设计。我们的框架和设计表明，自适应切割选择在不同的实例集上确实显著提高了性能，但很难找到描述这种规则的单个函数。复制所有实验的代码可在https://github.com/Opt-Mucca/Aptive-Cutsel-MILP网站. 主页： https://arxiv.org/abs/2202.10962 源代码： https://github.com/Opt-Mucca/Aptive-Cutsel-MILP网站 依赖项： 数学软件 关键词： 混合整数线性规划;切割平面选择;实例依赖学习 相关软件： 米普利布;科幻小说;PySCIPOpt公司;小型计算机;帕拉米尔斯;XPRESS公司;Scikit公司;数学软件;SMAC3系列;亚当;PyTorch公司;古罗比 引用于： 3文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 混合整数线性规划中的自适应切割选择。 兹比尔1522.90045马克·特纳;托尔斯滕·科赫;费利佩·塞拉诺;迈克尔·温克勒 2023 全部的 前5名10位作者引用 2 托尔斯滕·科赫 2 马克·G·特纳。 1 蒂莫·伯托尔德 1 马修·贝桑松 1 安东尼娅·奇米埃拉 1 安布罗斯·格雷克斯纳（Ambros M.Gleixner）。 1 帕韦尔·利切基 1 塞巴斯蒂安·波库塔 1 费利佩·塞拉诺 1 迈克尔·温克勒 连载1篇 1 OJMO公司。数学优化开放期刊 在2个字段中引用 三 计算机科学（68至XX） 三 运筹学、数学规划（90-XX） 按年份列出的引文