GRIMIP：用LLM和贝叶斯优化配置混合整数规划求解器

混合整数规划求解器的超参数配置是高维且依赖实例的优化问题，次优配置可能让求解耗时增加数个数量级。默认配置未必最佳，传统调参又受到冷启动、搜索效率及专家依赖限制。GRIMIP将LLM的语义推理与贝叶斯优化的高样本效率结合，让LLM在优化循环中充当完整概率代理模型，以降低采样和评估开销。在包括MIPLIB在内的七个基准上，困难实例的原始—对偶积分降低超过40%，优于SMAC和其他LLM辅助贝叶斯优化方法。作者认为该组合将LLM的推理能力用于更高效的实例配置搜索。