通过学习模型简化实现快速且可解释的混合整数线性规划求解

本研究针对现有混合整数线性规划求解方法在解决大规模问题时的可扩展性不足的缺陷，提出了一种基于偏好的模型简化学习方法。该方法通过引入注意力机制捕捉和表示各个简化模型的偏好信息，并使用SetCover方法控制简化模型的数量，从而显著提升求解效率和精度。实验表明，与现有方法相比，本文的方法在解的准确性上提高了近20%，相较于Gurobi商业求解器实现了两到四个数量级的速度提升。