求解性能持续全面突破，华为云天筹求解器登顶5项权威榜单

华为云天筹求解器（简称“天筹”，OptVerse）在近日更新的国际权威数学优化求解器榜单Hans Mittelmann benchmark上再次实现突破，5项重量级榜单荣登榜首。

天筹求解器在混合整数线性规划（MIPLIB2017，以下简称MILP）榜单上获得突破，首次荣登榜首，在反映MILP求解稳定性的病态MILP（MILP pathological，以下简称MILP-Path）榜单上也同样取得佳绩。

二阶锥优化（Second Order Cone Programming, 以下简称SOCP）榜单打榜取得佳绩，凸二次连续规划（Convex Continuous QPLIB，以下简称QP）和大规模网络流单纯形法（Large Network Linear Programming，以下简称Large Network-LP）重回榜单。

此外，线性规划最优顶点解（以下简称LPOpt）和最优数值解（以下简称LPFeas）双榜性能均大幅提升近50%，综合性能稳居行业前列。

混合整数线性规划荣登榜首

混合整数线性规划（MILP）是应用范围最广的问题类型。诸如企业生产计划与车间排程、货物运输与配送过程中的路径规划、关键设施的选址等决策场景均可建模成一个混合整数线性规划问题求解，获得业务约束范围内的最优决策。

本次华为天筹求解器参与的MIPLIB2017榜单共包含240个问题，由数学优化社区从7000+来自实际应用的候选问题中精选得出，被认为是数学优化求解器榜单之一。

• 华为天筹团队通过对困难场景的针对性突破和持续算法创新，本次榜单可求解问题数增加20个，在240个问题中总求解数达到222个，SGM（Scaled Geometric Mean）缩短至100以内，求解性能提升超过100%，在可求解问题数和平均求解时间两个维度均排名前列；
• 在病态榜单MILP-Path和不可行榜单MILP-Infeasible两个反映求解器鲁棒性的榜单，本次天筹分别获得TOP1和TOP2的好成绩，平均性能分别提升130%和78%。

天筹在高效性和鲁棒性方面齐头并进，综合性能取得显著提升，为MILP领域的相关应用提供了强有力的支持。

SOCP首次打榜勇夺第一，连续凸QPLIB登临榜首

二次规划（QP）、二次约束规划（QCP）以及二次锥规划（SOCP）均为凸优化问题的常见类型，在金融、工程设计、通信、能源系统等领域中有广泛的应用。

• 例如，在金融投资组合优化中，较小化投资风险（方差）和较大化收益的Markowitz模型通过求解QP和QCP问题来获取投资组合。
• 在工程优化、自动控制等领域中，SOCP被广泛用于处理存在不确定性参数的场景，使得较优解在不确定性条件下具有鲁棒性。

本次华为云天筹求解器同时参与了连续凸QPLIB榜单（包含QP和QCP问题）和大规模SOCP榜单的评测，并取得双榜前列。

• 其中，SOCP榜单为天筹求解器首次上榜，可求解全部18个榜单问题。
• 连续凸QPLIB榜单天筹求解器重回榜首，可求解全部42个榜单问题。

线性规划双榜求解性能大幅提升，网络流持续领先

线性规划（LP）是基础且应用非常广的一类优化问题类型，广泛应用于金融、供应链、能源、航空航天等领域。天筹团队通过算法创新和持续打磨，提升LP求解器的通用性、求解精度、及增量求解时的热启动效率。

本次华为云天筹求解器参与了全部三个LP榜单评测，分别为LPfeas、LPopt、和大规模网络流LP榜单。其中大规模网络流LP榜单包含25个网络流LP问题，LPfeas榜单和LPopt榜单均包含65个通用LP问题，前者旨在测试LP求解器寻找原始对偶可行解的性能，后者旨在测试寻找较优基解的性能。

• 天筹求解器在三个榜单上均名列前茅，其中大规模网络流LP榜单再次登顶，领先第二名16%。
• LPfeas和LPopt均位列榜单第二，成绩较上次分别提升40%和20%。

大模型AI技术加持做最智能的数学优化求解器产品

天筹团队结合盘古大模型率先打造运筹优化领域的AI智能建模能力，结合具体的应用场景，通过智能建模能力赋能制造相关领域，取得了显著的应用推广成果。

• 例如，在公司内部制造排班项目中，针对传统静态建模求解系统无法快速响应多样调整诉求的局限，依托大模型和智能建模技术，打造了一站式智能排班平台。该平台支持用户进行口语化的交互，还能智能识别用户意图，自动调整排班模型，融合天筹进行求解，1分钟左右便能呈现调整后的最优排班方案，相较于以往需耗时数小时的传统排班流程，实现了工作效率的质的飞跃，该解决方案最终带来了超过千万的年收益。

同时，团队开创性地打造了一套全方位的求解器算法自动发现框架，涵盖了外层超参数自动推荐、高层算子协同调度、中层算法自演化和底层公式发现技术，实现了AI算法嵌入和自调优的功能，用户可轻松构建适用于自己领域的定制求解器。

• 例如，基于大模型的启发式算法自演化技术，成功寻找到更优的算法并嵌入求解器，有效实现部分难例求解时间缩短70%+；并通过集成图神经网络深度学习技术与启发式搜索策略构建的Neural Heuristic方法，支撑天筹在MIPLIB 2017 open problem榜单中找到了46个问题的解法。

注：本文转载自华为，版权归作者所有