L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-20
Relèvement distributionnel pour l'optimisation discrète
Titre original: Distributional Lifting for Discrete Optimization
L'article propose un cadre qui transforme l'optimisation discrète en optimisation continue sur des distributions de probabilité paramétrées. Il montre que plusieurs méthodes développées séparément, dont la méthode d'entropie croisée et l'algorithme d'optimisation approchée quantique, partagent cette structure distributionnelle. Un algorithme unifié fondé sur l'échantillonnage par lots et des mises à jour par gradient stochastique est présenté, et il est appliqué à trois études de cas : le sac à dos multidimensionnel, l'affectation tridimensionnelle et un problème stochastique de localisation-affectation en nombres entiers mixtes.