AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
Seleksi Cutting Plane yang Dapat Dijelaskan untuk Pemrograman Linear Bilangan Bulat Campuran Menggunakan Pemrograman Genetik
Judul asli: Interpretable Cutting Plane Selection for Mixed-Integer Linear Programming Using Genetic Programming
Cutting planes merupakan komponen kunci dalam solver pemrograman linear bilangan bulat campuran (MILP), tetapi strategi pemotongan buatan tangan saat ini bersifat statis, sementara strategi hasil pembelajaran berbasis jaringan saraf menawarkan interpretabilitas terbatas dan tanpa jaminan konvergensi. Para penulis mengusulkan GPSCS, kerangka kerja berbasis pembelajaran pertama yang menggeneralisasi heuristik buatan tangan menjadi kebijakan yang sepenuhnya dapat diinterpretasikan: pemrograman genetik mengembangkan fungsi penilaian simbolik yang memeringkat kandidat pemotongan, dan mekanisme ringan berbasis statistik secara adaptif menentukan berapa banyak pemotongan peringkat teratas yang ditambahkan pada setiap putaran pemisahan. Dievaluasi di SCIP pada tujuh kelas benchmark sintetis dan dunia nyata yang instans evaluasinya rata-rata 41 kali lebih sulit daripada instans pelatihannya, GPSCS meningkatkan waktu penyelesaian rata-rata sebesar 6% dibandingkan bawaan SCIP dan mencapai percepatan dua kali lipat dibandingkan pendekatan berbasis jaringan saraf terbaru maupun baseline tanpa pemotongan.