运筹优化

论文速览【LLM】 —— 【ORLM】Training Large Language Models for Optimization Modeling作者在 NL4OPT、 IndustryOR 和 MAMO 三个 benchmark 上评估模型性能，对比方法包括 NIPS 竞赛冠军方法 tag-BART、多 LLM agent 方法 Chain-of-Experts 和 OptiMUS 等。实验结果显示，经过 OR-INSTRUCT 数据集微调的 LLaMA-3-8B 模型（记为 ORLM-LLaMA-3-8B）在所有 benchmark 上取得了 SOTA 性能，大幅超越了所有 Baseline 方法，相比直接使用 GPT-4 求解（记为 Stan

基于or-tools的人员排班问题建模求解（JavaAPI）使用Java调用or-tools实现了阿里mindopt求解器的案例（https://opt.aliyun.com/platform/case）人员排班问题。

基于Cplex的人员排班问题建模求解（JavaAPI）使用Java调用Cplex实现了阿里mindopt求解器的案例（https://opt.aliyun.com/platform/case）人员排班问题。

【论文阅读】（2016）Learning to Branch in Mixed Integer Programming论文来源：（2016）Learning to Branch in Mixed Integer Programming 作者：Elias B. Khalil 等人

我在开水团做运筹

线性规划对偶问题：理论推导和实际应用之前在很多地方，都看到过“对偶”这两个字眼，总觉得这个词很高大上。对偶理论的百度百科中甚至写到：“在线性规划早期发展中最重要的发现是对偶问题”。所以，既然已经到了线性规划这里，那对偶问题自然也值得深入学习一下。

我在开水团做运筹

线性规划和单纯形法-原理篇很多运筹学的教材都是从线性规划开始的，我平时做算法策略的落地应用时也研发了一部分基于线性规划的技术方案。可以说，如果搞不懂线性规划，很难成为一名优秀的运筹优化算法工程师。