14、整数线性规划的局部分支松弛启发式算法研究

整数线性规划的局部分支松弛启发式算法研究

在整数线性规划（ILP）领域，寻找有效的启发式算法来解决问题一直是研究的热点。本文将介绍几种局部分支松弛启发式算法（LB-RELAX、LB-RELAX-R 和 LB-RELAX-S），并将它们与非机器学习（Non-ML）和机器学习（ML）方法进行对比，同时还会探讨这些算法在选定的 MIPLIB 实例上的表现。

与非机器学习方法的比较

首先，我们将 LB-RELAX、LB-RELAX-R 和 LB-RELAX-S 与非 ML 方法（BnB、LB、RANDOM 和 GRAPH）进行比较。通过对 100 个实例的平均分析，我们得到了以下结果：

<

实例类型	算法	原始差距（PG）（%）	原始积分（PI）
MVC	BnB	1.01 ± 0.46	128.6 ± 14.6
	LB	0.15 ± 0.08	22.1 ± 3.6
	RANDOM	0.11 ± 0.05	32.3 ± 2.3