近日，华为云天筹AI求解器实现性能重大突破，在国际权威数学优化求解器Hans Mittelmann榜单上斩获六项业界第一，展现了天筹AI求解器在混合整数规划、非线性规划等求解器核心领域的强大技术实力。
天筹AI求解器登顶六项权威榜单
天筹AI求解器新版本创新性地深度融合大模型技术，构建了大模型驱动的自动算法生成与演化框架，显著提升了建模与求解的智能化水平。此外，天筹AI求解器重磅推出通用非线性规划、约束规划和黑箱优化求解功能，并深度优化Python SDK易用性及分布式计算等关键能力，将复杂业务场景的求解效率提升十倍，为企业智能决策提供了强大引擎，助力制造、物流、供应链等行业实现降本增效与数智化升级。
- 混合整数线性规划（MIPLIB2017，MILP）榜单中，性能较上一版本大幅提升117%，稳居榜首；
- 病态混合整数线性规划（MILP Pathological，MILP-Path）榜单中，表现稳健，成功拔得头筹；
- 非线性优化（Nonlinear Programming，NLP）榜单中，首次参与即位列第一，领先第二名32%；
- 二阶锥优化（Second Order Cone Programming，SOCP）与凸二次连续规划（Convex Continuous QPLIB，QP）榜单中，表现卓越，跃居榜首；
- 大规模网络流单纯形法（Large Network Linear Programming，Large Network-LP）榜单中，持续保持领先地位，性能超出第二名近120%；
- 混合整数线性规划不可行问题（MILP-Infeasible）、线性规划最优顶点解（LPOpt）以及最优数值解（LPFeas）三项榜单中，均稳居行业前列。
五大特性重磅更新
在石油化工领域，企业通过对高度非凸非线性问题的优化，可以获得更加经济的原油配比和油品输运决策。在上个版本中天筹AI求解器已支持包含简单非线性函数的二次规划和二阶锥规划问题求解，而新版本进一步拓展了非线性问题的求解能力。新版本支持多项式、指数、对数等复杂非线性关系的建模，并通过高效的内点算法进行求解。
约束规划是解决各类线性、非线性和逻辑约束组合问题的重要方法，常用于生产计划和调度决策。新版天筹AI求解器正式支持约束规划的建模与求解，涵盖线性约束、逻辑约束、互斥约束、区间约束以及容量约束等常见类型。同时，天筹AI求解器的约束规划求解技术与MILP引擎深度融合，进一步增强了部分纯整数规划问题的求解能力。
Python建模接口是天筹AI求解器最重要且最常用的接口。新版本进一步提升了Python接口的易用性。新增的矩阵约束建模功能有效提升了基于numpy矩阵构造优化问题约束的效率；改进后的模型属性与参数获取和设置接口更加贴合Python编程习惯，有效降低了工程开发的工作量。
分布式计算是求解器利用硬件资源加速的重要手段。此次更新，天筹AI求解器新增了MILP问题的分布式并发求解功能，并已在电力系统安全约束机组组合等极具挑战性的问题上成功验证。与基线版本相比，分布式版本的求解时间缩短超过24%，显著提升了机组启停计划的制定效率。
黑箱优化是解决函数形式未知、难以解析的复杂优化问题的核心技术，广泛应用于工程设计参数调优、工业过程优化等场景。新版天筹AI求解器全面支持黑箱优化问题求解，覆盖连续变量、离散变量、混合变量优化，以及多目标、带约束、带噪声、高维数的典型黑箱问题类型。同时，天筹AI求解器黑箱优化求解技术融合鲁棒优化、流形优化、多阶段优化等高阶特性，进一步增强在工业复杂场景的应用能力。
大模型加持，做智能的求解器产品
华为云天筹AI求解器团队与华为诺亚方舟实验室合作，设计了大模型驱动的自动算法生成与演化框架。该框架的核心思想是利用大模型的先验知识，不局限于高维离散符号空间的低效搜索，而是直接在编程语言空间中进行精准探索。
团队首先使用预训练的大模型作为算法生成器，能更高效地产出符合问题逻辑的高质量算法，并采用无梯度的代码级进化框架驱动算法优化，通过AI框架将优化后的算法嵌入天筹AI求解器，评估其在多维度上的性能表现，从而形成并维护了一个多样化的求解算法种群，据此进一步通过关键代码识别和上下文学习技术引导后续的算法优化尝试，形成持续打磨算法细节的闭环迭代。
目前这一框架在多个启发式算法上得到了有效验证，演化后的算法不仅在效率和精度上均有明显提升，还可根据实际数据自动持续优化，显著减轻对专家经验的依赖。
注：本文转自华为云，版权归作者所有
沪公网安备 31010702006392号