Combining Node and Variable Selection Heuristics for Faster MIP Solutions
Notice bibliographique
Résumé
When the branch and bound method is used to solve a mixed-integer linear program (MIP), the Node selection (NS) and variable and direction selection (VDS) heuristics significantly affect the time to find the integer-optimal solution.Wojtaszek and Chinneck [2010] developed a new node selection heuristic including a modification on the best-projection method, a new backtrack triggering method and the active node search threshold.They suggested that this new node selection heuristic will provide the best branch and bound performance and improve the state of the art when coupled with the variable and direction selection heuristic by Driebeek and Tomlin.An observation in their work also indicated that a feasibilityoriented variable and direction selection method coupled with good node selection method can possibly provide the best MIP problem solution time.There are other works showing that MIP characteristics will influence the branch and bound performance.In this thesis, various variable and direction selection methods are tested coupled with the node selection heuristic by Wojtaszek and Chinneck.Rules are developed to select VDS / NS configuration depending on MIP characteristics.Empirical results show a new VDS / NS configuration outperforms the state of the art as well as the VDS / NS configuration found by Wojtaszek and Chinneck.The hypothesis that a feasibility -oriented VDS coupled with a good NS heuristic will provide the fastest MIP solution time is disproved.A new hybrid VDS/NS selection heuristic is developed and shown to provide better results than any individual VDS/NS configuration or the state-of-the-art default configuration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».