تعلم القطع من خلال نموذج التسلسل/المجموعة الهرمي لبرمجة الأعداد الصحيحة المختلطة بكفاءة

تلعب الطائرات القاطعة (القصات) دورًا مهمًا في حل برامج الأعداد الصحيحة الخطية المختلطة (MILPs) التي تصوغ العديد من التطبيقات الواقعية الهامة. يعتمد اختيار القصات بشكل كبير على (P1) أي القصات يجب تفضيلها و (P2) عدد القصات المطلوب اختيارها. على الرغم من أن الحلول الحديثة لـ MILP تتعامل مع (P1)-(P2) من خلال heuristics مصممة بواسطة البشر، إلا أن التعلم الآلي يحمل القدرة على تعلم خوارزميات أكثر فعالية. ومع ذلك، تتجاهل العديد من الطرق القائمة على التعلم الحالية معرفة أي القصات يجب تفضيلها، متجاهلةً أهمية تعلم عدد القصات التي يجب اختيارها. علاوة على ذلك، نلاحظ أن (P3) أي ترتيب من القصات المختارة يجب تفضيله يؤثر بشكل كبير على كفاءة حلول MILP أيضًا. لمعالجة هذه التحديات، نقترح نموذج تسلسل/مجموعة هرمي جديد (HEM) لتعلم سياسات اختيار القصات. تحديداً، HEM هو نموذج ذو مستويين: (1) وحدة أعلى تتعلم عدد القصات التي يجب اختيارها، (2) ووحدة أدنى تصوغ اختيار القصات كمشكلة تعلم تسلسل/مجموعة - لتعلم سياسات اختيار مجموعة مرتبة مع العدد المحدد من قبل الوحدة العليا. حسب علمنا، يعد HEM أول منهجية مدفوعة بالبيانات تتعامل بشكل جيد مع (P1)-(P3) في آن واحد. تجارب تثبت أن HEM يحسن بشكل كبير كفاءة حل MILPs على أحد عشر مقياسًا تحديًا لـ MILP، بما في ذلك مشكلتين حقيقيتين من Huawei.