华为云天筹求解器（简称“天筹”，OptVerse）在近日更新的国际权威数学优化求解器榜单Hans Mittelmann benchmark上再次实现突破，5项重量级榜单荣登榜首。

天筹求解器在混合整数线性规划（MIPLIB2017，以下简称MILP）榜单上获得突破，首次荣登榜首，在反映MILP求解稳定性的病态MILP（MILP pathological，以下简称MILP-Path）榜单上也同样取得第一佳绩。二阶锥优化（Second Order Cone Programming, 以下简称SOCP）榜单首次打榜便勇夺第一，凸二次连续规划（Convex Continuous QPLIB，以下简称QP）榜单重回第一，大规模网络流单纯形法（Large Network Linear Programming，以下简称Large Network-LP）持续领先第二名近20%。此外，线性规划最优顶点解（以下简称LPOpt）和最优数值解（以下简称LPFeas）双榜性能均大幅提升近50%，综合性能稳居行业前列。

▶混合整数线性规划荣登榜首

混合整数线性规划（MILP）是应用范围最广的问题类型。诸如企业生产计划与车间排程、货物运输与配送过程中的路径规划、关键设施的选址等决策场景均可建模成一个混合整数线性规划问题求解，获得业务约束范围内的最优决策。

本次华为天筹求解器参与的MIPLIB2017榜单共包含240个问题，由数学优化社区从7000+来自实际应用的候选问题中精选得出，被认为是最具代表性、难度最高的数学优化求解器榜单之一。

• 华为天筹团队通过对困难场景的针对性突破和持续算法创新，本次榜单可求解问题数增加20个，在240个问题中总求解数达到222个，SGM（Scaled Geometric Mean）缩短至100以内，求解性能提升超过100%，在可求解问题数和平均求解时间两个维度均排名第一；
• 在病态榜单MILP-Path和不可行榜单MILP-Infeasible两个反映求解器鲁棒性的榜单，本次天筹分别获得TOP1和TOP2的好成绩，平均性能分别提升130%和78%。

天筹在高效性和鲁棒性方面齐头并进，综合性能取得显著提升，为MILP领域的相关应用提供了强有力的支持。

▲MILP榜单截图，包含MIPLIB2017 (a)，MILP-Path (b)，和MILP-Infeasible (c)

▶SOCP首次打榜勇夺第一，连续凸QPLIB登临榜首

二次规划（QP）、二次约束规划（QCP）以及二次锥规划（SOCP）均为凸优化问题的常见类型，在金融、工程设计、通信、能源系统等领域中有广泛的应用。

• 例如，在金融投资组合优化中，最小化投资风险（方差）和最大化收益的Markowitz模型通过求解QP和QCP问题来获取最优投资组合。
• 在工程优化、自动控制等领域中，SOCP被广泛用于处理存在不确定性参数的场景，使得最优解在不确定性条件下具有鲁棒性。

本次华为云天筹求解器同时参与了连续凸QPLIB榜单（包含QP和QCP问题）和大规模SOCP榜单的评测，并取得双榜第一。

• 其中，SOCP榜单为天筹求解器首次上榜，可求解全部18个榜单问题，平均求解时间领先第二名9%。
• 连续凸QPLIB榜单天筹求解器重回榜首，可求解全部42个榜单问题，平均求解器时间领先第二名23%。

▲QP (a) 和SOCP (b) 榜单截图

▶线性规划双榜求解性能大幅提升，网络流持续领先

线性规划（LP）是最基础且应用非常广的一类优化问题类型，广泛应用于金融、供应链、能源、航空航天等领域。天筹团队通过算法创新和持续打磨，提升LP求解器的通用性、求解精度、及增量求解时的热启动效率。

本次华为云天筹求解器参与了全部三个LP榜单评测，分别为LPfeas、LPopt、和大规模网络流LP榜单。其中大规模网络流LP榜单包含25个网络流LP问题，LPfeas榜单和LPopt榜单均包含65个通用LP问题，前者旨在测试LP求解器寻找原始对偶可行解的性能，后者旨在测试寻找最优基解的性能。

• 天筹求解器在三个榜单上均名列前茅，其中大规模网络流LP榜单再次登顶，领先第二名16%；
• LPfeas和LPopt均位列榜单第二，成绩较上次分别提升40%和20%。

▲LPFeas (a)、LPOpt (b)、和大规模网络流LP (c) 榜单截图

▶大模型AI技术加持，做最智能的数学优化求解器产品

天筹团队结合盘古大模型率先打造运筹优化领域的AI智能建模能力，结合具体的应用场景，通过智能建模能力赋能制造相关领域，取得了显著的应用推广成果。

例如，在公司内部制造排班项目中，针对传统静态建模求解系统无法快速响应多样调整诉求的局限，依托大模型和智能建模技术，打造了一站式智能排班平台。该平台支持用户进行口语化的交互，还能智能识别用户意图，自动调整排班模型，融合天筹进行求解，1分钟左右便能呈现调整后的最优排班方案，相较于以往需耗时数小时的传统排班流程，实现了工作效率的质的飞跃，该解决方案最终带来了超过千万的年收益。

同时，团队开创性地打造了一套全方位的求解器算法自动发现框架，涵盖了外层超参数自动推荐、高层算子协同调度、中层算法自演化和底层公式发现技术，实现了AI算法嵌入和自调优的功能，用户可轻松构建适用于自己领域的定制求解器。

例如，基于大模型的启发式算法自演化技术，成功寻找到更优的算法并嵌入求解器，有效实现部分难例求解时间缩短70%+；并通过集成图神经网络深度学习技术与启发式搜索策略构建的Neural Heuristic方法，支撑天筹在MIPLIB 2017 open problem榜单中找到了46个问题的当前最优解。

▶深耕实业，携手合作伙伴，助力行业数智化转型

合作伙伴是华为云取得成功的关键，天筹求解器团队携手伙伴深耕实体行业，通过自身的技术创新、行业实践和生态合作，利用AI和求解器技术帮助千行万业的客户“解难题，做难事”，助力行业数智化转型，赋能企业新质生产力。

家电行业

某家电企业园区传统智能配车调度时经常发生车等货、货等车现象，华为云团队与客户基于天筹求解器携手打造了“车、单、货、线”最优匹配方案，输出小时级发运计划，下单到交货承诺准确率提升6.7%，装车时长下降50%，足车率提升9.6%。

玻璃行业

天筹团队联合悠桦林团队在某玻璃龙头行业，以高级生产排程场景为核心，将天筹求解器与悠桦林“智能供应链计划与排程一体化计划平台”形成深度融合，构建集团计划管控体系，实现智能供应链计划体系的打通，以及与上下游系统的无缝联动，打造了行业内第一家真正意义上的无人工厂。

服装行业

面料裁剪是服装生产核心环节之一，因此使用更少的面料完成裁剪任务，是企业降本增效的关键之一。天筹团队联合深圳布易科技有限公司，共同打造核心排唛引擎，在某大型服装企业场景中，相比已有方案，平料面料利用率提升0.5%，可节省面料成本上亿元。

轮胎行业

天筹团队联合宏达科技团队为某轮胎企业提供了强大的技术支持，通过优化硫化和成型工序的协同排产，实现了生产流程的一体化，给出最优化的月度排产作业计划，实现将轮胎生产过程中的换型次数减少了5%，胎胚库存降低了10%，并最终实现产量提升，极大提升产能利用率以及订单交付效率。

园区物流

针对工厂内部仓储和车间物流自动化配送的全场景，天筹团队联合华为内部团队开发出工业物流机器人调度系统，致力于解决智能工厂园区的物流相关机器人和设备间的智能统一调度。团队聚焦异构多机器人调度算法，以路径规划和选车为突破口，综合效率相比现有方案提高40%，具备稳定运行框架，经历华为制造内部100+场景、3000+AGV充分验证，库区内全自动储运，实现交付周期减半。

家居行业

天筹团队联合三维家团队共同孵化家居行业板材切割解决方案，在板材AI切割算法上进行创新,围绕家居制造中的电子锯切割场景研发全新板材切割方案，为用户提高2%-4%的板材利用率，减少板材切割工序中的材料浪费。全新的AI开料优化算法正在向全行业普及，一年就能为整个中国的家居产业节省几百亿的原材料利用成本。

电子行业

天筹团队联合赛意团队共同孵化电子行业供应链解决方案，在某PCB生产企业中联合打造数字化供应链智能计划引擎，实现供应链计划的最优解。同时，在某大型物流服务企业，运用天筹求解器的智能决策能力构建“多式联运智慧大脑”，实现物流报价测算与多式联运调度算法的最佳调度。

交通行业

天津港与华为云合作，利用天筹求解器，开发了新一代的港口智能计划平台。通过智能计划平台，完成整个计划仅仅需要10分钟，计划速度提升144倍，设备利用率提高15%，堆场翻倒率降低20%，大幅度地提升了港口运转效率和作业效率，进而缩短船舶在港时间10%。通过全局优化，真正地实现了天津港资源调度最大化。

深圳机场与华为团队合作，基于天筹求解器，使得机位分配千余架次航班机位分配从原来的4小时缩短为1分钟，每年将会有260万旅客不再坐摆渡车；行李转盘等资源的计划调度，减少了旅客聚集，提升旅客体验。

除了上述行业和领域，天筹求解器还广泛应用于交通行业、钢铁生产、金属加工、化工生产、公共服务等领域，随着各行各业数字化和智能化转型的推进，运筹优化与AI技术将应用于更多的领域，也将面临更多的挑战。华为云天筹求解器团队将持续总结经验，深耕技术，创新进步，为客户提供世界一流的决策优化解决方案，赋能千行万业。