Исследователи предлагают GraphBU, генератор задач смешанного целочисленного линейного программирования (MILP), который использует локальные подзадачи и их интерфейсы в качестве базовой единицы. Этот подход способствует объединению узлов в ограничения мастер-задачи или граничные переменные для обеспечения совместимой замены при проверке, сохраняя структуру, на которую опираются решатели.
- Метод обеспечивает инвариантность построения графа к перестановкам строк и столбцов и сохраняет допустимость при условии наличия интерфейсного запаса (slack).
Сгенерированные экземпляры поддерживают высокую графовую статистическую схожесть (примерно 0.934) и допустимость (примерно 96,7%) по отношению к исходным семействам.
- Сгенерированные данные улучшают обучение Predict-and-Search на последующих этапах, давая среднее увеличение основного индекса примерно на 8,0%.
GraphBU решает проблему получения экземпляров MILP из закрытых конвейеров путем явной записи того, как локальные части экземпляра связаны с остальной частью.