智能体MIP研究：加速约束处理器生成

混合整数规划 (MIP) 研究在数学上既复杂又工程密集：在分支切割求解器中测试算法假设需要大量的实现、调试、调整和大规模基准测试。我们提出了一种代理 MIP 研究框架，通过将 LLM 代理嵌入到求解器感知工具中来缩短此反馈循环，以生成、验证和评估开源求解器 SCIP 的插件。传播方法在利用全局约束加速 MIP 求解方面发挥着核心作用。我们实例化了我们的框架，将 MIP 公式的语义提升为全局约束，并自动构建仅传播 SCIP 约束处理程序。在 MIPLIB 2017 基准集上，该框架成功地从约束编程中恢复全局约束结构，并生成可执行的约束检测器和仅传播约束处理程序。此外，该框架自然地扩展到沙盒环境中的上下文学习，使代理不仅能够在实际实例上调整和调试生成的约束处理程序，而且还能够探索 MIP 问题中的全局约束模式，并发现 SCIP 中尚未实现的新颖传播策略。该框架使我们能够系统地将有意义的算法改进与低价值或成本过高的候选算法区分开来：新颖的传播方法成功地解决了所探索的基准中的五个额外实例。总体而言，该框架表明 LLM 代理可以自主导航复杂的 MIP 研究循环，为更加自动化的求解器开发过程铺平道路。