AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-22

जेनेटिक प्रोग्रामिंग का उपयोग करते हुए मिश्रित-पूर्णांक रैखिक प्रोग्रामिंग हेतु व्याख्यायोग्य कटिंग-प्लेन चयन

मूल शीर्षक: Interpretable Cutting Plane Selection for Mixed-Integer Linear Programming Using Genetic Programming

कटिंग प्लेन मिक्स्ड-इंटीजर लीनियर प्रोग्रामिंग (MILP) सॉल्वर का एक प्रमुख घटक हैं, लेकिन मौजूदा हैंडक्राफ्टेड कट रणनीतियाँ स्थिर हैं, जबकि न्यूरल-नेटवर्क-आधारित लर्न की गई रणनीतियाँ सीमित व्याख्यात्मकता प्रदान करती हैं और कोई अभिसरण गारंटी नहीं देतीं। लेखक GPSCS का प्रस्ताव करते हैं, जो पहला लर्निंग-आधारित फ्रेमवर्क है जो हैंडक्राफ्टेड ह्यूरिस्टिक्स को पूर्णतः व्याख्यात्मक नीति में सामान्यीकृत करता है: जेनेटिक प्रोग्रामिंग एक प्रतीकात्मक स्कोरिंग फ़ंक्शन विकसित करता है जो उम्मीदवार कट्स को रैंक करता है, और एक हल्की सांख्यिकी-आधारित क्रियाविधि अनुकूली रूप से तय करती है कि प्रत्येक सेपरेशन राउंड में शीर्ष-रैंक वाले कितने कट्स जोड़े जाएँ। ऐसे सात प्रकार के सिंथेटिक और वास्तविक-विश्व बेंचमार्क पर SCIP में मूल्यांकित, जिनके मूल्यांकन इंस्टेंस प्रशिक्षण वालों की तुलना में औसतन 41 गुना कठिन हैं, GPSCS SCIP के डिफ़ॉल्ट की तुलना में औसत समाधान समय में 6% सुधार करता है और हालिया न्यूरल दृष्टिकोण तथा नो-कट बेसलाइन दोनों की तुलना में दोगुनी गति प्राप्त करता है।

मूल लेख पढ़ें ↗

सभी आइटम →