LP2Graph：从海量论文中挖掘铁路调度优化模型的结构化知识

铁路调度等优化领域严重依赖混合整数线性规划（MILP），但相关建模知识分散在数百篇论文中，符号不统一，传统综述仅按词汇分类，无法复现模型。研究人员提出 LP Mining with LP2Graph 方法，通过规范语法将每个模型表示为类型化的变量-方程图，并自底向上聚类变量、约束和目标函数，最终生成可重复的分类体系。该方法经过 CBC、HiGHS 和 Gurobi 求解器验证，为自动化铁路调度模型开发提供了客观基础。

延伸阅读

1. OpenAI 打造“超级黑客”GPT-Red，用 AI 对抗 AI 提升模型安全性
2. 每日下载：一台有用的量子机器与一条破纪录的海底隧道
3. 美国正通过州与联邦行动推动AI安全