提出将神经网络嵌入经典优化算法的求解器方法

Dieter Teichrib、Fabian König、Moritz Schulze Darup 提出一种将神经网络学习系统性嵌入经典优化算法的方法，用于多参数二次规划（mpQPs）的步长微调，论文将发表于 2026 年第 65 届 IEEE 决策与控制会议（CDC）。 该方法以对偶投影梯度法为经典算法框架，用定制神经网络做参数相关的步长微调；作者称结构分析可用于系统性地把学习集成进经典优化算法以增强其性能。mpQPs 常出现于线性二次模型预测控制（MPC）中，论文以此作为代表性应用场景。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。