工业优化的混合整数线性规划的机器学习模型的求解方法

本发明公开一种工业优化的混合整数线性规划的机器学习模型的求解方法，属工业优化场景的混合整数线性规划求解领域。方法包括：步骤1，采集多源数据预处理生成训练集；约束学习模型训练：根据工业场景需求动态选择最匹配机器学习模型；步骤3，模型自动转换处理：通过自动识别并解析最匹配的机器学习模型结构，基于SOS1约束得到线性化约束，输出混合整数线性规划约束集、目标函数及二元辅助变量集合；步骤4，优化求解：通过开源求解器进行求解，得出对应的最优决策变量值；步骤5，求解结果输出：将步骤4得到的决策变量值解析为能直接执行的工业优化方案并输出。本发明能实现面向混合整数线性规划的通用自动化建模，保证求解效率和精度。