MILP-Evo：混合整数線形計画法ソルバーの閉ループ完全自動設計
大規模言語モデル（LLM）による閉ループプログラム進化を用いて、MILPソルバーのコンポーネント（カット選択器と分岐ルール）を自動設計するMILP-Evoフレームワークを提案。複数のベンチマークで競争力のある性能を示す。
混合整数線形計画法（MILP）は様々な実問題で用いられ、ソルバーの性能はカット選択器や分岐ルールなどの内部戦略に大きく依存する。従来、これらの戦略は手作業による明示的なロジックか、データ駆動型のブラックボックスモデルに頼っていた。しかし、手作業設計は時間がかかり問題ごとに適応が難しく、データ駆動手法はモデルが不透明で検査・調整・展開が困難である。この課題に対して、研究チームは大規模言語モデル（LLM）を活用した閉ループプログラム進化フレームワーク「MILP-Evo」を提案した。本フレームワークはPySCIPOptを介して実装され、まずカット選択器と分岐ルールの組み合わせ設計に適用される。各反復において、LLMが候補プログラムを生成し、SCIPソルバーに読み込んでMILPインスタンス上で直接実行し、その性能フィードバックを得る。フィードバックは、性能ベースの選択、対象修復、診断的振り返り、多様性を考慮した個体群管理に利用される。プロセス全体は自動化されており、最終的に透明で検査・修正・展開が可能な明示的なソルバーコンポーネントが出力される。4つの異なるベンチマークファミリーでの実験により、MILP-Evoが競争力のあるドメイン特化戦略を自動的に発見できることが示された。この技術は、MILPソルバーの自動設計に新たな道を開くとともに、LLMと進化的最適化を組み合わせた研究の可能性を示している。