grxie1992的博客

原创 一些关于运筹学和机器学习之间协同作用的思考

以上图为例，如果在原问题的线性规划松弛问题（即LP0）的最优解中，x_1 = 2.5，我们选择对它进行分支，那么我们将在第一分支中添加 x_1 ≤ 2 的限制，第二分支中添加 x_1 ≥ 3 的限制。在分支界定法中，每个整数解都为原始MIP提供了最优解的一个上界（假设我们解决一个最小化问题），而在活性节点上（未被剪枝的节点）的线性松弛问题的每个非整数解都是原始MIP最优解的一个下界。其中，y是观测到的输出变量的向量，X是观测到的输入变量的矩阵，b是要拟合的系数向量，t是用于控制正则化程度的参数。