- OptiMUS: 可扩展的使用 (MI) LP 求解器和大型语言模型的优化建模
OptiMUS 是一种基于大型语言模型(LLM)的代理程序,旨在从自然语言描述中解决(混合整数)线性规划问题。OptiMUS 能够开发数学模型,编写和调试求解器代码,评估生成的解决方案,并根据这些评估改进其模型和代码。在实验证明,对于简单数 - 超越 LLMs:复杂推理领域的发展
通过神经符号化的方法,本研究使用大型语言模型进行知识获取和用户交互,搭建了 Elemental Cognition 人工智能平台,该平台在处理约束满足和优化问题方面优于传统的大型语言模型,拥有更高的有效性和性能。
- 连续多维尺度缩放
多维缩放(MDS)是将与一组 n 个对象相关的接近信息嵌入到 d 维欧氏空间中的行为。我们提出了一种重新制定 MDS 的方法,并得出了一些结果。
- AAAI概率电路中边缘 MAP 的神经网络逼近器
近似推理是通过使用神经网络来近似代表大型概率分布,该方法通过在查询变量上使用连续多线性函数来近似赋值的代价,并通过神经网络输出解决方案。本论文通过在多个基准数据集上的评估表明,该方法在求解概率电路中的最大边后验和边后验最大估计任务时优于竞争 - 得分蒸馏采样与学习的流形校正
Score Distillation Sampling 方法使用图像扩散模型解决优化问题,我们分析了其损失函数并提出有效修复方案,通过定量和定性实验验证了新的损失公式的多样性和有效性。
- 利用图神经网络增强列生成算法,实现乘客行程规划和机组班次安排的联合优化
通过使用 AGGNNI-CG 方法(基于注意力机制和门控循环神经网络的混合方法)解决服务调度的基本问题,本研究在复杂的动态移动服务中联合优化乘客行程规划和人员排班,取得了接近最优解决方案,对现有系统进行了显著改进。
- 多元向量值函数的共享活跃子空间
本文提出了几个作为计算多元向量值函数的共享主动子空间的基线的方法,其目标是最小化原始空间上的函数评估与重构空间上的函数评估之间的偏差,可以通过操作梯度或从每个分量函数的梯度计算的对称正(半)定矩阵来得到所有分量函数共同的单一结构,这些方法可 - Deep-ELA: 基于自监督预训练变换器的深度探索性景观分析用于单目标和多目标连续优化问题
该研究提出了一个混合方法 Deep-ELA,结合了深度学习和 ELA 特征,用于分析单目标和多目标连续优化问题的算法行为和问题理解。
- 强化学习增强的 Pareto 包络:大规模受限压水堆优化的多目标强化学习方法
通过引入 PEARL 方法,该论文解决了多目标问题在工程学领域中评估候选解的耗时问题,并通过学习单一策略替代传统基于策略的多目标强化学习方法,实现了同时解决简单子问题而无需多个神经网络的目标。
- 统一框架 RYU:构建安全球的终极方案
该论文提出了一种名为 “RYU” 的新框架,用于构建安全的球体,即确保包含目标优化问题的对偶解的区域。该框架在标准设置下集中于成本函数为两项之和的情况,这两项分别为闭合的、适当的、凸的利普希茨平滑函数和闭合的、适当的、凸的函数。RYU 框架 - 量子 Langevin 动力学优化
利用量子朗之万动力学 (QLD) 解决优化问题,特别是对传统梯度下降算法的障碍较大的非凸目标函数进行研究,证明了在凸景观中 QLD 的收敛性,通过数值实验和与传统算法的比较,提出了一种优于其他算法的时间相关的 QLD 算法。
- 基于偏好的直接多目标进化优化与对决决策
该研究提出了一种基于用户偏好的多目标优化问题框架,通过直接偏好学习和主动对抗算法,实现了在无需计算适应度函数的情况下,获得收敛到感兴趣区域的解决方案,并在蛋白质结构预测领域中得到了有效的应用。
- 代理预测优化:学习预测和优化的联合模型
从观测特征中通过预测模型直接学习最优解的方法被提出,该方法是泛化的,基于学习优化范式,能够提供高效、准确和灵活的解决方案给一系列具有挑战性的预测优化问题。
- 旅游业中的正向和逆向拍卖问题
目前的旅游目的地普遍存在经济和社会影响较大的旺季和淡季现象,为了解决这一问题,本研究开发了两个拍卖系统,在低受欢迎度地区或淡季时段,酒店经营者可以通过正向拍卖模式拍卖客房;同时,客户也可以发起竞标过程,酒店经营者可以向客户提供客房报价,这构 - 非负球面松弛与宇宙自由多匹配和聚类
我们提出了一种新颖的非负球面松弛算法,用于具有单射性约束的二值矩阵优化问题,特别适用于多匹配和聚类。
- 潜在提示转换器下的分子设计
该论文提出了一种潜在提示 Transformer 模型,用于解决诸如分子设计等具有挑战性的优化问题,其目标是找到具有目标化学或生物特性优化数值的分子,可以通过现有软件进行计算。我们的模型由三个组成部分组成:(1) 潜在向量,其先验分布由高斯 - 高效易解释的多时间序列非线性建模
提出了一种高效的非线性建模方法,通过线性 VAR 过程和分量间非线性映射来生成时间序列,并使用定制算法解决优化问题,提高了 VAR 系数的支持识别和时间序列预测能力。
- 优化中的自然启发算法:简介、混合化和洞察
科学和工程中的许多问题都是优化问题,可能需要复杂的优化技术来解决。自然启发算法是一类用于优化的元启发式算法,有些算法或变体通常通过混合来开发。本章重点介绍优化、自然启发算法的概述和混合的作用,并强调算法混合的一些问题。
- 使用通用绝热量子计算训练神经网络
通过使用绝热量子计算,本文提出了一种新的神经网络训练方法,可以有效地找到损失函数的全局最小值,为经典训练方法提供了有希望的替代方案。
- 一种面向可持续发展的人在环路优化自动形式化方法
这篇论文介绍了一种利用大型语言模型(LLMs)解决个性化能源相关问题的自然对话方法,通过增加优化求解器,提升 LLMs 对用户需求和偏好的理解和响应能力,将自然语言任务规范自动转化为优化实例,分析、解释和解决各种特定实例的能源相关问题,进而