本文提出了一种新的整数规划模型，旨在解决幻想足球中预算限制下的球队选择问题。研究显示，该模型在2023/24赛季表现优异，为幻想足球策略提供了重要见解。

本研究提出了一种新颖的自动生成搜索策略的启发式方法GP2S，旨在提高分支限界法的搜索效率。研究结果表明，该方法在解决整数规划问题时优于标准SCIP求解器，平均加速比达到11.3%。

本文探讨了深度强化学习（DRL）在整数规划和生产调度中的应用，提出了多种基于DRL的调度模型，显著提高了调度效率和准确性。研究表明，DRL在处理复杂约束和优化任务时表现优越，但仍面临可解释性和泛化能力的挑战。

该文汇总多项研究，涵盖算法选择决策树、DCSAT框架、对称学习、稳定婚姻与医院/住院医师问题的整数线性规划模型、两步检验框架、共享内存数据分配与任务调度、机器学习预测分子性质、ASP/约束编程/整数规划比较、TOPSIS软件可维护性预测及最大权独立集局部搜索算法。

该文综述可解释分类模型研究，提出带稀疏与公平约束的多类别评分系统并扩展SLIM框架，介绍SLIM、IMLI等整数规划与可满足性方法以构建精准透明的评分与决策规则，并应用于再犯预测、医疗风险评分、缺失数据处理及睡眠呼吸暂停诊断，兼顾准确性与可解释性。