Inverse Mixed Integer Optimization: An Interior Point Perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We propose a novel solution framework for inverse mixed-integer optimization based on analytic center concepts from interior point methods. We characterize the optimality gap of a given solution, provide structural results, and propose models that can efficiently solve large problems. First, we exploit the property that mixed-integer solutions are primarily interior points that can be modeled as weighted analytic centers with unique weights. We then demonstrate that the optimality of a given solution can be measured relative to an identifiable optimal solution to the linear programming relaxation. We quantify the absolute optimality gap and pose the inverse mixed-integer optimization problem as a bi-level program where the upper-level objective minimizes the norm to a given reference cost, while the lower-level objective minimizes the absolute optimality gap to an optimal linear programming solution. We provide two models that address the discrepancies between the upper and lower-level problems, establish links with noisy and data-driven optimization, and conduct extensive numerical testing. We find that the proposed framework successfully identifies high-quality solutions in rapid computational times. Compared to the state-of-the-art trust region cutting plane method, it achieves optimal cost vectors for 95% and 68% of the instances within optimality gaps of e-2 and e-5, respectively, without sacrificing the relative proximity to the nominal cost vector. To ensure the optimality of the given solution, the proposed approach is complemented by a classical cutting plane method. It is shown to solve instances that the trust region cutting plane method could not successfully solve as well as being in very close proximity to the nominal cost vector.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle