使用 LP2Graph 进行 LP 挖掘：铁路重新调度的用例

arXiv:2607.11980v1 公告类型：新 摘要：像许多优化驱动的领域一样，铁路重新调度依赖于混合整数线性规划（MILP），但该领域的建模知识以不兼容的符号分散在数百篇论文中，并且叙述性调查主观地组织它：它们按词汇而不是按结构对模型进行分类，并且两者都不能再现。我们提出了使用 LP2Graph 进行 LP 挖掘，这是一种将已发布的 LP 和 MILP 公式的结构挖掘为可重现的数据集和归纳分类法的方法。它的核心 LP2Graph 将其规范语法承认的每个公式表示为类型化变量——从单个规范模型派生的方程图；一旦将源提取到该模型中，下游的所有内容都是确定性的。每个源都被解析成这个模型，同源化，并自下而上地聚类（通过变量，然后是约束和目标，然后是整个模型结构），并且分别按应用领域和解决方案方法；生成的组由规则种子、自我更新的分类器标记。我们验证表示而不是假设它：每个簇的代表被重新生成为独立的 LaTeX，并根据源论文中报告的最佳值在 CBC、HiGHS 和 Gurobi 中重新求解。结果是对变量、约束和模型类型进行客观、可重复的分类：这是我们的 raiLPminer 自动铁路重新调度模型开发系列的原则基础。