论文提出'备用约束代价'判据：SCOPF 中固定约束集难以被学习式选择超越

Milad Kazemi 与 Behzad Kazemtabrizi 在 arXiv 论文中提出“price of a spare”（备用约束代价）判据，用于事先判断学习式约束选择何时优于固定约束集。论文称：被强制加入但不起作用的约束是“免费”的，因此在可行处固定约束集（umbrella）恰好最优；只有当备用约束决策本身有代价时，学习才可能带来收益。 在安全约束最优潮流（SCOPF）的实证中，涵盖全部 PGLib-OPF 最高 10,000 节点的 43 个网络上，umbrella 从未被学习选择器超越，其中位规模仅 5 条约束。学习选择器虽复现约 80000 倍的加速，但相对 umbrella 最多只快 0.25 毫秒，且在 4-5% 的实例上违反约束。 论文还分析了机组组合场景，称学习是否有收益不取决于问题规模，而取决于备用决策是否带有代价。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。