PulseAugur
中
实时 11:55:15
English(EN) Promoting Generalization for Exact Solvers via Adversarial Instance Augmentation

新的AdaSolver方法增强了MILP求解器的泛化能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为AdaSolver的新方法，以提高基于机器学习的混合整数线性规划（MILP）求解器的泛化能力。该方法通过使用对抗性实例生成来增强训练数据，解决了现有求解器在遇到新的或大规模MILP实例时出现的性能下降问题。AdaSolver将实例增强构建为一个上下文老虎机问题，允许对求解器和增强策略进行对抗性训练，这是一种用于提高模仿学习和强化学习求解器泛化能力的新颖技术。 AI

排序理由 该集群包含一篇详细介绍改进基于机器学习的求解器的新颖方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的AdaSolver方法增强了MILP求解器的泛化能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Haoyang Liu, Yufei Kuang, Jie Wang, Xijun Li, Yongdong Zhang, Feng Wu ·

    通过对抗性实例增强促进精确求解器的泛化

    arXiv:2310.14161v2 Announce Type: replace Abstract: Machine learning has been successfully applied to improve the efficiency of Mixed-Integer Linear Programming (MILP) solvers. However, the learning-based solvers often suffer from severe performance degradation on unseen MILP ins…

相关实体

相关话题