关键词mathematical programming
搜索结果 - 7
- 整数规划图匹配问题的统一框架
该研究提供了图匹配问题的整数规划 (IP) 框架，通过合并来自不同学科的努力，帮助解决复杂的图优化问题，旨在简化实践中的困难问题，特别是在模式分析中。
- 解决二次约束混合整数问题中的无界性
对于具有二次约束的无界整数规划问题，该研究通过对 MI 凸二次目标函数的经验评估，比较了 CPXLE 解算器和最先进的 MI 特殊进化策略在处理约束问题上的性能，结果表明黑盒和白盒解算器在满足一定条件下具有竞争力。
- 基于罚函数的非减优化带不等式约束的护栏算法
传统数学规划求解器在解决复杂大规模物理系统的约束最小化问题时需要很长的计算时间，因此这些问题通常被转化为无约束问题，并通过基于一阶信息的计算高效优化方法（如梯度下降法）来解决。然而，在无约束问题中，平衡目标函数的最小化和约束违规的降低是具有 - OptVerse AI 求解器机器学习内部：设计原则和应用
通过机器学习技术将其整合进华为云的 OptVerse AI Solver，以解决真实世界数学规划实例的稀缺性，并超越传统优化技术的能力，本研究展示了生成复杂 SAT 和 MILP 实例的方法，利用生成模型来模拟真实世界问题的多方面结构。此外 - 数学优化中数据驱动的可解释性框架
通过引入解方案的可解释性作为另一个评估标准，我们可以在目标值和可解释性之间找到权衡解决方案，从而提高数学规划在实践中的易用性。
- 规划希腊美国学院学生成功的课程
利用数学规划与机器学习技术优化美国希腊学院学生的课程安排，包括最快完成时间、课程难度平衡等指标，最为重要的目标是根据学生往年表现最大化预期学生成绩，结果表明，该优化方案可以保证所有安排的合理性，运用最大化学生成绩的策略较人工安排方案更加优化 - 稀疏网络对齐的消息传递算法
本研究考察了一种用于网络匹配问题的数学规划框架，以及其中的一种稀疏变体，并提出了一种新的消息传递算法，可快速高效地计算大规模网络匹配问题的近似解。我们与两个最佳解算器进行了广泛的模拟比较，其中包括两个合成匹配问题，两个生物信息学问题和三个大