GenOR-Twin：用于集成操作话语与数学优化的语义中间件

我们引入了 GenOR-Twin，这是一种神经符号框架，可以弥合非结构化操作日志和严格的数学优化之间的转换差距。我们的架构独特地将大型语言模型定位为语义翻译器而不是直接求解器，确保系统保留精确组合方法的可行性保证。 { \color{red}我们设计了一种动态约束注入机制（将定性破坏事件在运行时转换为形式数学约束），允许系统根据定性人类输入实时结构性地修改优化问题的可行性区域。由此产生的双向耦合（操作观察更新虚拟模型状态并将优化决策反映回知识图）满足了适当的数字孪生的同步要求。该框架具有自适应决策策略，可通过分析可用的系统冗余自动在低复杂性计划修复和完全重新优化之间进行选择。最后，我们展示了这种方法在六个不同优化领域的泛化，{\color{red}将静态模型转变为适应现实世界环境的操作不确定性和可变性的弹性系统。}