SRG: Lagrange-basierte Score-Generierung revolutioniert MILP-Lösungen

Die neue Methode SRG nutzt Lagrange‑Relaxation, um stochastische Differentialgleichungen gezielt zu steuern und damit vielfältige, hochwertige Kandidaten für gemischt­integrierte lineare Programme (MILP) zu erzeugen. Im Gegensatz zu bisherigen Predict‑and‑Search‑Ansätzen, die auf unabhängige Variablen und deterministische Vorhersagen setzen, berücksichtigt SRG mit Hilfe von Faltungskernen die Abhängigkeiten zwischen den Variablen und führt die Suche in Bereichen, die sowohl zulässig als auch nahezu optimal sind.

Durch die Kombination von Lagrange‑Relaxation und stochastischen Differentialgleichungen kann SRG nicht nur einzelne Schätzungen liefern, sondern ein breites Spektrum an Lösungen generieren. Diese Kandidaten bilden zusammen kompakte und effektive Vertrauensbereichs­probleme, die anschließend von Standard‑MILP‑Solvern effizient bearbeitet werden können. In umfangreichen öffentlichen Benchmarks übertrifft SRG bestehende maschinelle Lern‑Baselines konsequent in der Lösungsqualität.

Ein besonders bemerkenswertes Merkmal ist die starke Zero‑Shot‑Transferfähigkeit von SRG. Auf bislang unbekannten Problem‑Skalen und -Typen erzielt die Methode konkurrenzfähige Optimalitätswerte, die denen führender exakter Solver nahekommen, während sie gleichzeitig die Rechenzeit durch schnellere Suche und bessere Lösungskandidaten deutlich reduziert.