في عالم برمجة الأعداد الصحيحة المختلطة (Mixed-integer programming - MIP)، تمثل الأبحاث تحدياً يتطلب خبرة رياضية مركزة وجهود هندسية مكثفة. ومع ذلك، ومع ظهور أطر عمل جديدة، أصبح من الممكن تسريع عمليات البحث والتطوير بشكل ملحوظ. في هذا السياق، تم تقديم إطار عمل مبتكر يعتمد على الوكلاء الذكيين (agentic framework) الذي يهدف إلى تبسيط هذه العملية.

يسهم هذا الإطار في تقليل الفترة الزمنية اللازمة للاختبار والتطوير من خلال دمج وكلاء نماذج اللغة الكبيرة (Large Language Models) في حلقة عمل متخصصة. عبر هذا التوجه، يمكن للأبحاث التغلب على العديد من العقبات المرتبطة باختبار فرضيات خوارزمية داخل محركات الحلول المُعتمدة على الطرح والقطع (branch-and-cut solvers).

تلعب طرق الانتشار (propagation methods) دوراً مركزياً في تسريع عملية البرمجة المختلطة، حيث تتيح الاستفادة من القيود العالمية. وبتطبيق هذا الإطار، تمكنا من استعادة هياكل القيود العالمية من برمجة القيود وتوليد كاشفات قيود قابلة للتنفيذ ومديري قيود مخصصين.

استناداً إلى مجموعة اختبار MIPLIB 2017، تمكّن الإطار من تحديد الأنماط العالمية والتعرف على استراتيجيات انتشار جديدة غير موجودة في SCIP. بل وأكثر من ذلك، فقد أظهر نجاحه في حل مجموعة من الحالات الإضافية مما يتيح لهامش واسع من التحسينات الخوارزمية.

إن هذا الإطار يفتح آفاقاً جديدة في مجال البحث في البرمجة المختلطة، حيث يتيح لوكلاء الذكاء الاصطناعي التنقل بشكل مستقل ضمن حلقة البحث، مما يساهم في تطوير عمليات الحل بشكل تلقائي وفعال. كيف ترى تطور أبحاث البرمجة المختلطة باستخدام تقنيات الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات!