联想受邀参加2023年第六届“难解问题的表示、算法与应用研讨会” (HCP2023)

引言：“难解问题的表示、算法与应用研讨会（Workshop on Hard Computational Problems: Representations, Algorithms and Applications, 简称 HCP），是目前国内难解问题领域颇具规模和水平的重要会议之一，致力于促进难解计算问题相关领域学界和工业界研究人员的深度交流与合作，促成有影响力的学术成果和产研合作。”

近日，2023年第六届“难解问题的表示、算法与应用研讨会”（HCP2023）在云南昆明胜利举行，140多位来自国内外多所高校、科研机构以及高科技企业的专家学者齐聚一堂，共同探讨了难解问题在组合优化、求解器、EDA和图论等领域的研究成果和应用。

联想研究院人工智能实验室机器学习主管研究员袁浩受邀出席，与来自皮卡第儒勒-凡尔纳大学、中国科学院大学、北京大学、阿里、华为等高校和企业的专家学者进行了深入探讨交流。袁浩还就“联想决策智能技术在供应链上的应用”作了主题报告，分享了联想基于人工智能的运筹优化技术在提升制造业供应链整体效能方面的成功实践。

 研讨会中关注的“难解问题”通常指的是时间或空间复杂性很高的算法问题，其中NP-难问题就是一类典型代表。许多经典的组合优化问题，如旅行商问题和图着色问题等，都属于NP-难问题，因其重要性和难度备受学界和业界瞩目。本次会议围绕约束满足、系统与应用、AI与优化三大主题展开，其中求解器和运筹优化在工业应用中成为热门话题。

01 面向场景的底层计算引擎

求解器作为解决复杂数学规划问题的关键工具，扮演着底层技术的重要角色，其研发难度大、周期长、成本高，在工业领域有着广泛需求。求解器集成多种优化算法，例如单纯形法、分支定界法、切平面法以及其他启发式算法，然而对于复杂的NP-难问题，现有求解器的性能仍有限。尤其在实际场景下，问题规模不断扩大，如何高效求解成为当前的挑战。

随着人工智能技术的发展，利用机器学习方法优化求解器成为热门课题。谷歌的DeepMind团队于2021年提出了用神经网络与机器学习方法加速混合整数规划（MIP）问题求解的一类算法，通过模仿学习提升了求解器的效率，引起业界广泛关注。

自2018年起，联想研究院人工智能实验室的机器学习团队开始了依托机器学习和运筹优化技术解决供应链的NP-难问题的技术研究和产业应用。通过将人工智能技术与运筹优化算法相结合，联想自主研发了“底层计算引擎”——联想AI求解器，针对复杂的NP-难问题实现了更强的求解性能，提升了计算场景的适配性，相比现有的求解器主要有以下三个优势：

基于人工智能的分支定界法

● 智能化求解策略。联想自研AI求解器引入多种人工智能技术替代现有求解器中的一些启发式规则，比如对于求解NP-难问题最常用的方法——分支定界法，人工智能技术可以充分优化其中的变量和节点选择策略；对于原始启发式算法，则能通过高质量决策帮助求解器尽快尽好地找到问题的优质可行解。而对于其他的如单纯形法、切平面选择算法等，AI技术同样能够在很大程度上提升其优化与求解效率。

● 定制化算法模型。综合优化需求、模型特性、计算资源等因素，联想自研AI求解器能够针对不同场景建立定制化的求解算法，并设计更有针对性的预求解、启发式算法，使其能适应不同场景下的优化需求，从而在特定场景下的优化问题求解上更具优势。

● 可配置的参数选择。基于不同场景下的优化问题的特性，联想AI求解器能够自主选择更合理的参数配置进行求解，无需针对不同的配置参数进行反复测试，有效提升了求解模型的性能和泛化能力，进而提升求解器在一般问题上的表现。

Benchmark 对比开源求解器

在与现有的SOTA开源求解器的性能对比中，联想AI求解器表现出了明显优势：

● 线性优化行业标准数据集（NETLIB）：相比开源求解器CLP的运行时间减少了77%

● 混合整数优化行业标准数据集（MIPLIB 2017）：相比开源求解器SCIP的运行时间减少了9%

此外，联想AI求解器在集团内部供应链场景中落地应用，求解性能同样明显优于现有的SOTA开源求解器。

02 智能决策，联想的解题之策

供应链作为联想的核心竞争力之一，面临着众多的NP-难问题，如物料采购、分配、齐套以及生产排程等决策优化问题。基于前沿的机器学习和运筹优化技术，联想打造了决策智能技术，为供应链构建了“智能决策大脑”，实现了从预测到决策的全流程优化，提升了供应链的智能化水平。

联想供应链决策智能架构

通过“场景+AI”的方式，联想创建了多个场景化的供应链智能决策解决方案，包括需求预测、供应计划、物料计划、库存优化、生产计划、智慧选品和渠道分货等，全面提高了供应链决策效率和质量。联想连续荣获Gartner全球供应链25强和IDC“亚太最强供应链”等荣誉，展示了其在供应链管理和决策智能技术方面的领导地位。

03 结语

越是复杂问题的解决就越离不开基础的、底层的算法和方法，实现技术创新的关键也正在于此。联想通过技术创新不断加强供应链韧性，以决策智能技术引领供应链智能化变革，并将其经验和成果贡献给更多行业领域，为未来发展注入了强大的技术力量。