Аннотация

На семинаре поделимся опытом, как разгонять производительность open source MILP-солверов в несколько сотен раз. А именно:

• Расскажем, почему мы сейчас фокусируемся именно на задачах смешанного целочисленного линейного программирования (MILP);
• Кратко поговорим про устройство оптимизационных солверов и про то, какие бывают сложности с оптимизацией их производительности (будем рассматривать солверы SCIP, CBC, HiGHS);
• Рассмотрим основные подходы, за счет которых можно получать ускорение производительности солвера;
• Поделимся результатами одной конкретной бизнес-задачи из области целевого маркетинга (NBO); разберём, как эти результаты были получены.

Доклад будет интересен не только в контексте маркетинговой задачи NBO, но и всем, кто сталкивается с задачами смешанного целочисленного линейного программирования (MILP).

Запись доклада

https://youtu.be/GiG8mWn2flE

Презентация

Максим Гончаров, Максим Гончаров - Опыт по ускорению солверов на примере NBO (2024-03-13).pdf

NoML про мат. оптимизацию

В контексте этого семинара особенно релевантны:

• Про подбор оптимальных параметров и настройку эвристик в MILP солверах методами ML: Семён Косяченко - ML в задачах смешанной линейно-целочисленной оптимизации. ZyOpt, 2023 (1 час 20 минут);
• Про бизнес задачу NBO: Вазген Амбарцумов - Маркетинговая оптимизация и задача Next Best Offer, 2024 (1 час 15 минут);
• Также вспоминали про коммерческий солвер COPT: Александр Собенников - Решение оптимизационных задач в новых реалиях, 2022 (1 час).

Плюс все доклады по математической оптимизации, исследованию операций и связанным темам:

Untitled Database