Gurobi
PulseAugur coverage of Gurobi — every cluster mentioning Gurobi across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法从分散的研究中挖掘铁路重新调度模型
研究人员开发了一种名为 LP Mining with LP2Graph 的新方法，用于系统地从数百篇分散的混合整数线性规划 (MILP) 论文中提取和组织知识。该方法将每个公式表示为一种类型化的变量-方程图，从而创建了一个可复现的数据集和模型类型的客观分类。该系统通过使用 Gurobi、CBC 和 HiGHS 等求解器重新生成和重新求解公式来验证其表示，旨在为铁路重新调度等领域的自动化模型开发提供结构化基础。
-
新方法从数百篇 MILP 论文中构建铁路重新调度知识体系
研究人员开发了 LP Mining with LP2Graph，一种从数百篇关于混合整数线性规划（MILP）在铁路重新调度中应用的文章中提取和构建知识的新方法。该方法将每个公式表示为一种类型化的变量-方程图，创建了一个可复现的数据集和一个模型类型的客观分类。该系统已通过使用各种求解器重新生成和重新求解公式得到验证，展示了其在铁路重新调度中自动化模型开发的潜力。
-
新方法预测组合拍卖问题的难度
一篇研究论文提出了一种解决组合拍卖中获胜者确定问题（WDP）的新方法，该问题已知是NP难的。该论文不试图用图神经网络（GNN）取代现有的求解器，而是专注于预测特定实例是否对快速贪婪启发式方法来说过于困难。研究人员开发了一种使用多层感知器（MLP）的轻量级分类器，该分类器能够高精度地预测贪婪算法的最优差距。对于被识别为困难的实例，采用了专门的GNN求解器，其在对抗性配置上的表现明显优于贪婪方法。这种混合方法结合了难度分类器以及GNN和贪…
-
新算法解决复杂多人博弈中的纳什均衡问题 · 跟踪3 个来源
研究人员开发了一种名为“投影可利用性下降”（Projected Exploitability Descent, PED）的新算法，用于近似计算具有不完美信息的复杂多人博弈中的纳什均衡。该算法最小化了可利用性函数的一个代理目标，这是一个非凸且不光滑的目标。虽然 PED 在长时间运行中表现出持续的改进，但最初的性能不如已有的方法，如虚构博弈（Fictitious Play, FP）和反事实遗憾最小化（Counterfactual Regr…
-
LLM约束注入方法提高了优化建模的准确性
研究人员开发了一种名为约束注入的新方法，以改进大型语言模型处理复杂优化问题的方式。该技术解决了LLM在其代码中错误地添加或省略约束的问题，这可能导致解决方案有缺陷。该方法使用名为VRPCoder的模型对车辆路径问题进行了测试，成功率达到93%，并且优于现有的LLM。
-
新的无求解器框架解决整数线性规划
研究人员开发了一种新颖的无求解器框架来解决整数线性规划（ILP）问题，这在组合优化中很常见。这种新方法直接探索可行区域，而不依赖于传统的求解器或机器学习训练。它在其转移核中使用了局部平衡提议，并结合了并行退火，包括一种新的惩罚退火技术，该技术可调整约束障碍。与SCIP和Gurobi等成熟求解器相比，该框架在多个基准测试中表现出更优越的性能，并且比基于学习的方法对分布变化具有更强的鲁棒性。