【实习】AI for 超大规模MILP算法研究实习生-技术平台中心

本岗位将探索机器学习、图神经网络、强化学习及大模型在MILP求解过程中的应用，推动相关方法从公开数据集和标准算例走向真实工业规模问题。 研究内容: 构建MILP实例、求解轨迹和分支定界过程数据集;研究AI Warm Start、可行解生成和PrimalHeuristic; 研究变量固定、约束筛选及搜索空间缩减方法;研究Integrality Gap、求解时间和实例难度预测;研究Learningto Branch、强分支模仿及节点选择;探索割平面选择、参数配置和求解器策略学习;探索 MILP FoundationModel、跨问题类别迁移与泛化;将模型接入Gurobi、SCIP、HiGHS等求解流程; 以可行性、最优间隙、求解时间、内存占用和失败尾部为核心指标开展实验。

1. 01

   系统或相关专业博士/硕士在读；运筹学、计算机科学、人工智能、应用数学、电力系统或相关专业博士/硕士在读；

2. 02

   在以下方向至少具备一项扎实基础: 混合整数规划、组合优化、分支定界;图神经网络、Transformer、强化学习;大模型预训练、微调或推理;Learning to Optimize Neural Combinatorial Optimization;

3. 03

   熟练使用Python，具备PyTorch同类框架经验;

4. 04

   具备独立阅读论文、复现实验和分析失败原因的能力;

5. 05

   重视实验可复现性，能够规范管理数据、代码、配置和结果。

加分项

1. 01

   使用过 Gurobi、SCIP、HiGHS、Ecole; 有C/C++、求解器插件或并行计算开发经验；

2. 02

   研究过 Warm Start 、 Neural DivingLearning to Branch、 Cut Selection 等方向；

3. 03

   有运筹优化、机器学习或AI for Science相关论文及项目经验;

4. 04

   有电力市场、机组组合或安全约束经济调度经验。