【技术实现步骤摘要】
本申请涉及机器学习，尤其是涉及一种混合整数线性规划问题求解模型泛化性优化方法及系统。
技术介绍
1、混合整数线性规划(mixed-integer linear programming，milp)是对组合优化问题建模的最广泛使用的技术之一，如生产计划、运输管等实际应用中均可能会涉及到混合整数线性规划问题。在现实世界中，来自同一应用的混合整数线性规划(milp)模型具有相似的模式和特征，这种模型被反复解决，而没有利用这些相似性。机器学习(ml)算法以其识别模式的能力而闻名，它们有助于建立优化算法，利用机器学习技术来解决混合整数线性规划(milp)问题有很大的潜力。
2、目前在混合整数线性规划(milp)问题上，已有较多的机器学习方法，采用图神经网络(gnn)来提取问题信息，并求解混合整数线性规划(milp)问题，之后结合求解器提供精确解。然而目前采用的图神经网络(gnn)求解的泛化性较差，在模型遇到新的问题或者问题差距较大的情况下，模型表现差，从而会导致模型求得的问题的解不够准确。
技术实现思路>
1、本文档来自技高网...
【技术保护点】
1.一种混合整数线性规划问题求解模型泛化性优化方法，其特征在于：所述方法包括：
2.根据权利要求1所述的方法，其特征在于：所述目标函数对应多个实例，所述根据所述二分图对所述原始图神经网络模型进行训练，并生成训练完成的图神经网络模型包括：
3.根据权利要求2所述的方法，其特征在于：所述对所述混合整数线性规划问题进行变换包括：
4.根据权利要求2所述的方法，其特征在于：所述对所述混合整数线性规划问题进行变换包括：
5.根据权利要求2所述的方法，其特征在于：所述对所述混合整数线性规划问题进行变换包括：
6.根据权利...
【技术特征摘要】
1.一种混合整数线性规划问题求解模型泛化性优化方法，其特征在于：所述方法包括：
2.根据权利要求1所述的方法，其特征在于：所述目标函数对应多个实例，所述根据所述二分图对所述原始图神经网络模型进行训练，并生成训练完成的图神经网络模型包括：
3.根据权利要求2所述的方法，其特征在于：所述对所述混合整数线性规划问题进行变换包括：
4.根据权利要求2所述的方法，其特征在于：所述对所述混合整数线性规划问题进行变换包括：
5.根据权利要求2所述的方法，其特征在于：所述对所述混合整数线性规划问题进行变换包括：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：张亮，赵克森，朱光旭，史清江，
申请(专利权)人：深圳市大数据研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。