B. González Rodríguez, I. Gómez Casares, J. González Díaz, B. Pateiro López, S. Rodríguez Ballesteros
El uso de técnicas de aprendizaje automático para mejorar el rendimiento de los algoritmos de ramificación y acotación es un área muy activa en el contexto de los problemas de programación lineales enteros mixtos, pero poco se ha hecho para la optimización no lineal. En este trabajo, desarrollamos un marco de aprendizaje para la ramificación espacial y mostramos su eficacia en el contexto de la técnica RLT (Reformulation-Linearization Technique) para problemas de optimización polinómica. El aprendizaje propuesto se realiza offline, basado en características específicas de cada caso y sin sobrecarga computacional al resolver nuevos problemas. Además, se introducen nuevas características de los problemas, que desempeñan un papel importante en el aprendizaje.
Palabras clave: ramificación espacial, optimización no lineal, aprendizaje estadístico
Programado
Métodos y Aplicaciones de la la Investigación Operativa
10 de noviembre de 2023 16:00
CC4: Sala 2