本文探讨了在非稳态工业环境中应用自适应实验设计（AED）的方法与挑战，提出了一个基于数学规划的框架，以应对批处理和延迟反馈等实际问题。研究表明，该框架在商业环境中展现出显著的稳健性和效率，能够有效支持教学改进和动态基准测试。

本研究将OptVerse AI Solver整合进华为云，通过机器学习技术解决数学规划实例的稀缺性，并超越传统优化技术。研究展示了生成复杂实例的方法，提出了增强策略的训练框架，以及基于机器学习的个性化求解器策略。ML-augmented OptVerse AI Solver在速度和准确性上表现更好。机器学习技术在数学规划求解器中具有实际必要性和有效性。