面向工业电镀排产的 GNN 加速 MILP 求解
2025年2月15日
问题
航空零件的工业电镀产线排产涉及数十万个决策变量——槽位分配、工序顺序、烘干窗口、跨产线同步。 原生 MILP 求解在生产条件变化下既慢又不稳定。
贡献
- 精确建模。 把整个排产问题严格建模为一个大规模混合整数线性规划。
- GNN 初始解引导。 在历史排产数据上训练一个 GNN；求解时，模型给出 (i) 一个热启动的可行解 和 (ii) 分支变量的优先级排序。平均求解时间提升超过 10 倍。
- FENNEL 流式图划分。 把包含数十万节点的二部约束图划分成若干弱耦合的子图，将 GNN 训练/推理 成本降低 60%–70%，并支持按子图并行推理。
- 高置信度变量固定。 把 GNN 给出的置信度最高的前 10% 决策提前固定，再进行优化，使实际待 优化的决策变量数量减少约 90%，把问题复杂度压缩超过一个数量级。