華為云EI創新孵化Lab與華為2012實驗室中央研究院理論研究部聯合團隊（以下簡稱“華為聯合團隊”）在網絡線性規劃求解器關鍵技術上實現突破，天籌AI求解器在國際權威求解器測評——Hans Mittelmann教授的大規模網絡線性規劃榜單中位列TOP1，性能領先第二名11%。

網絡線性規劃應用場景豐富

助力高效求得問題最優解

網絡線性規劃是網絡流理論與算法的核心，本質上是要充分利用和有效提升現有網絡資源的能力，使系統的流量達到最大并有效運行。如今網絡線性規劃已廣泛應用在網絡規劃、調度優化、物理運輸等現實場景，覆蓋通訊、交通、物流、電力、工程規劃、任務分派、設備更新以及計算機輔助設計等眾多領域。

比如在交通網絡中，控制中心可以通過網絡線性規劃來調度車流，實現高峰期擁塞路段的流量疏導，提高城市路面通勤效率。

再比如在電力網絡中，中央控制器通過網絡線性規劃來調度能源，能夠實現對能源曲線的削峰填谷，保障能源輸出的平穩供應。

或者一個更形象具體的例子，下圖是一個連接某物資產地Vs（蘭州為例）至銷地Vt（上海為例）的鐵路運輸網，弧上的數字表示該路段的最大通過能力。如果要制定一個運輸方案，使從產地Vs運到銷地Vt的物資數量最多，通過網絡線性規劃能夠快速得出最優解。

求解網絡線性規劃問題可實現成本開銷最小化、有限資源配置最優、發揮網絡傳輸能力最大化的目的。隨著業務的不斷增大，企業將會面對越來越多關于網絡結構的決策優化問題，如何在大規模的變量和約束條件下求得最優解，是企業提升運營效率的關鍵。

兩大新技術加持

華為云天籌AI求解器再度突破求解性能

本次打榜主要比拼基于大規模變量和約束條件的問題求解速度。華為聯合團隊提出了基于網絡拓撲特征的自適應稀疏度優化技術和基于網絡線性規劃問題理論性質的底層優化及并行化技術，在榜單的25個問題中實現高效求解，性能領先第二名11%。兩大技術充分利用網絡線性規劃問題的結構化特征，極大提升了華為云天籌AI求解器在網絡線性規劃問題上的性能。

基于網絡拓撲特征的“自適應稀疏度優化”技術

華為聯合團隊提出了一種全新的調節迭代過程稀疏性的方法，并基于問題的代數特征恢復物理拓撲并結合網絡節點度分布等信息自適應選擇最優策略，從而實現整體求解時間的大幅下降。

基于網絡單純形理論性質的“底層優化及并行化”技術

對于大規模網絡線性規劃問題，特別是實際場景中涉及千萬甚至上億規模的問題，底層實現也是求解器性能的瓶頸所在。華為聯合團隊利用網絡線性規劃問題的理論性質，大幅優化了矩陣庫等基礎模塊的底層實現，并利用并行化技術大幅加速求解過程，使得華為云天籌AI求解器能夠支持億級規模網絡線性規劃的高效求解。

如今“自適應稀疏度優化”和“底層優化及并行化”兩項技術已經集成到華為云天籌AI求解器中，大幅度提升其在網絡線性規劃問題上的算法性能，能快速求解與網絡結構相關的網絡規劃、調度優化、物理運輸等問題。

在大規模通信網絡結構優化問題中，網絡優化平臺基于全網流量規律，通過網絡線性規劃分配網絡資源，提升用戶體驗。

在大規模云資源調度問題中，云調度平臺結合各個區域資源，在滿足客戶算力、帶寬和存儲需求的條件下，結合預測規劃和網絡線性規劃方法使得計算資源供需平衡、支撐業務彈性和滿足業務波動等需求。

未來，網絡線性規劃求解器關鍵技術還將應用在華為數字能源能量優化調度問題上，幫助分鐘級完成問題求解，提升能源利用率、降低碳排放。

隨著華為運籌優化技術的發展和優化理論的突破，更多創新技術將會落地天籌AI求解器。未來，華為聯合團隊將持續從運籌優化理論和算法層面進行難題攻堅，不斷優化天籌AI求解器性能，提升求解器領域技術競爭力，為客戶創造更大價值。