PySCIPOpt-ML: Embedding Trained Machine Learning Models into Mixed-Integer Programs

要約

現実世界の最適化問題をモデル化するための標準ツールは、混合整数計画法 (MIP) です。
ただし、これらの問題の多くでは、変数の関係を説明する情報が不完全であるか、変数間の関係が非常に複雑です。
これら両方のハードルを克服するために、機械学習 (ML) モデルがよく使用され、これらの関係を表す代理モデルとして MIP に埋め込まれます。
利用可能な ML フレームワークが大量にあるため、ML モデルを MIP に定式化することは非常に簡単ではありません。
この論文では、トレーニングされた ML モデルの自動 MIP 定式化のためのツールを提案します。これにより、ML 制約を MIP に簡単に統合できます。
さらに、ML 制約が埋め込まれた MIP インスタンスのライブラリを導入します。
プロジェクトは https://github.com/Opt-Mucca/PySCIPOpt-ML で入手できます。

要約(オリジナル)

A standard tool for modelling real-world optimisation problems is mixed-integer programming (MIP). However, for many of these problems there is either incomplete information describing variable relations, or the relations between variables are highly complex. To overcome both these hurdles, machine learning (ML) models are often used and embedded in the MIP as surrogate models to represent these relations. Due to the large amount of available ML frameworks, formulating ML models into MIPs is highly non-trivial. In this paper we propose a tool for the automatic MIP formulation of trained ML models, allowing easy integration of ML constraints into MIPs. In addition, we introduce a library of MIP instances with embedded ML constraints. The project is available at https://github.com/Opt-Mucca/PySCIPOpt-ML.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google