返回新闻资讯

求解器COPT实战讲座丨OMLT结合COPT实现机器学习模型的反问题求解

日期：2024-11-29

机器学习模型可以基于已有数据实现对未知或复杂系统的拟合，这被广泛应用于各领域的预测场景中并取得显著的表现。在大多数情况下，机器学习模型实现的是正向预测任务，其训练过程是选择最优参数以最小化损失函数。

然而，当模型被训练之后，一个自然但有挑战性的问题是如何解决反向问题，即将机器学习模型看作一个更大优化问题中的目标函数或某个约束，实现预测到决策的过渡。相关应用包括机器学习模型的鲁棒性检验或最优对抗、贝叶斯优化中采集函数优化、蛋白质分子设计等。

本期求解器COPT实战讲座有幸邀请到帝国理工学院计算机系博士生张世强，聚焦讲解如何利用混合整数规划编码经典机器学习模型，并介绍对应的开源框架OMLT（即Optimization & Machine Learning Toolkit）。

OMLT是一个基于Python的开源框架，其核心功能是编码训练过的机器学习模型，例如决策树和神经网络，并使用Pyomo建立优化模型，之后根据不同需求定义涉及该模型的各类优化问题并利用COPT等求解器进行求解。OMLT一经发布便引起广泛关注，月均下载量突破20000次，荣获2022 COIN-OR CUP奖项。这项成果还被人工智能领域顶级期刊Journal of Machine Learning Research接收。