CLP 能源政策多标准最优规划
论文提出了一种称为多目标策略学习的方法，它将政策学习的最佳决策树与多目标贝叶斯优化方法相结合，通过建立非支配模型的帕累托前沿来探索多个结果间的权衡，并使用代理函数作为非常昂贵的期望遗憾的最优树的准确代理。该方法应用于摩洛哥现实案例研究中的条件性现金转移上，部分最优、部分贪心的杂交策略树作为最优策略树的代理，能够提供良好的性能，并且计算成本低廉。
Dec, 2022
ECLiPSe 是一款基于 Prolog 的编程系统，旨在开发和部署约束编程应用程序，同时也用于教授组合问题求解的大多数方面，如问题建模、约束编程、数学规划和搜索技术。
Dec, 2010
本文研究了带线性时间逻辑约束的策略优化问题。通过使用生成模型和 LTL 语言，提出了一种基于模型的方法，用于在低样本数据情形下保证任务满足和成本最优的算法。
Jun, 2022
本文介绍了 2021 年 IEEE-CIS 关于可再生能源调度的技术挑战赛的七个排名最高解决方案，比较和评估了这些解决方案，并提供了一个基准问题，以便在这个领域促进和便利研究。这场比赛使用了 Monash 微电网的数据、天气数据和能源市场数据，并专注于两个主要挑战：预测可再生能源的生产和需求，并获得活动（讲座）和现场电池的最低成本的最佳方案。最准确的预测由梯度提升树和随机森林模型得出，而优化大多使用混合整数线性和二次规划。
Dec, 2022
在协同设计环境中，快速且自动地集成变化是一项挑战。本文考虑了在协同设计方法中，针对关键绩效指标（如成本、时间或弹性）创建和优化全球物流系统以建造客机的挑战。本文的目标是找到一种构建飞机的最佳方式，并考虑其工业系统的要求。研究采用 Answer Set Programming（ASP）作为建模语言，将所需的工业系统的要求形式化。所提出的方法涵盖了从知识图谱中提取相关信息、转化为逻辑程序以及根据优化准则计算现有配置。最后，我们可视化结果以便对这些模型进行轻松评估。内部结果看起来令人鼓舞，并提出了几个未来改进的新研究问题。
Aug, 2023
通过比较九种基于进化计算的多目标算法的结果，使用 Friedman 的非参数测试，本文创建了一个多算法系统，根据用户需求能够应用不同的技术，以优化和改进基础设施即代码部署配置的多目标问题。
Jan, 2024
本文介绍了一种基于深度强化学习和约束编程的混合算法，应用于复杂的组合优化问题，并在实验中成功运用于旅行商问题和投资组合优化问题，表现优于单独的深度强化学习和约束编程算法，同时也达到了与工业级求解器相竞争的水平。
Jun, 2020
本文研究了一种统一的框架方法用于解决一类混合整数优化问题，通过对其逻辑约束进行非线性方式的表达，结合规则化条件及基于混合精度算法，形成了凸二进制优化问题，并利用一种综合的数字策略方法解决问题。
Jul, 2019