Karl János: Branchelés az egészértékű programozásban gépi tanulással

Önálló projekt, szakmai gyakorlat III

2022/23 I. félév

Témavezetők:
Madarasi Péter (ELTE TTK, Operációkutatási Tsz.)
Lukács András (ELTE Matematikai Intézet, MI Kutatócsoport)

Az egészértékű programozási feladat egzakt megoldására szolgáló Branch&Bound algoritmus hatékonysága nagyban függ attól, hogy milyen stratégia szerint választjuk ki azt a törtváltozót, amely szerint a feladatot két diszjunkt részre bontjuk. A szakirodalomban több gyakorlatban hatékony heurisztikus algoritmus ismert, ilyen például a Strong branching, amely az LP optimum legnagyobb változását eredményező tört változót választja. A projekt célja annak a vizsgálata, hogy hogyan lehet egy ilyen stratégiát a gépi tanulás módszereivel kiváltani, illetve egy-egy nehezen kiszámolható stratégiát imitálni. A kutatás kiindulási pontja egy a Strong branching-et imitáló gráf konvolúciós hálókat használó megoldás [1].