华为的ai叫小什么,华为云天筹AI求解器助力高效求得问题最优解

华为云ei创新孵化实验室与华为2012实验室中央研究院理论研究部联合团队(以下简称“华为联合团队”)在网络线性规划求解器关键技术上取得突破，天畴AI求解器在Hans Mittelmann教授评测的大规模网络线性规划榜单中排名TOP1，性能领先第二名11%。

网络线性规划的应用场景丰富。

有助于高效地找到问题的最优解

网络线性规划是网络流理论和算法的核心，其本质是充分利用并有效提高现有网络资源的容量，从而使系统的流量最大化并有效运行。如今，网络线性规划已广泛应用于网络规划、调度优化、物理运输等现实场景，涵盖了通信、运输、物流、电力、工程规划、任务分配、设备更新、计算机辅助设计等诸多领域。

例如，在交通网络中，控制中心可以通过网络线性规划来调度交通流，从而实现高峰期拥堵路段的交通分流，提高城市道路的通勤效率。

再比如，在电力网络中，中央控制器通过网络线性规划调度能量，可以实现能量曲线的削峰填谷，保证能量输出的稳定供给。

或者更形象具体的例子，下图是一个连接Vs(以兰州为例)和Vt(以上海为例)的铁路运输网络，弧线上的数字表示该路段的最大能力。如果我们要制定一个运输计划，使最大数量的物资从产地Vs运输到销售地Vt，通过网络线性规划可以快速得到最优解。

求解网络线性规划问题可以实现成本最小化、有限资源优化配置和网络传输容量最大化的目标。随着业务量的不断增加，企业将面临越来越多的网络结构优化决策问题。如何在大规模变量和约束条件下得到最优解，是提高企业运营效率的关键。

两项新技术带来的好处

华为田芸提出AI solver，再次突破求解性能。

这个排名主要是基于大规模变量和约束的解题速度。华为联合团队提出了基于网络拓扑特征的自适应稀疏性优化技术和基于网络线性规划问题理论性质的底层优化并行化技术，在榜单上的25个问题中实现了高效求解，性能领先第二名11%。这两项技术充分利用了网络线性规划问题的结构特点，大大提升了华为田芸AI求解器在网络线性规划问题中的性能。

基于网络拓扑特征的自适应稀疏优化技术

华为联合团队提出了一种全新的方法来调整迭代过程的稀疏性，并基于问题的代数特征恢复物理拓扑，结合网络节点的度分布等信息自适应选择最优策略，从而大大减少整体求解时间。

基于网络单纯形理论性质的“底层优化与并行化”技术

对于大规模网络线性规划问题，尤其是实际场景中涉及数千万甚至上亿规模的问题，底层实现也是求解器性能的瓶颈。华为联合团队利用网络线性规划问题的理论性质，大幅优化矩阵库等基础模块的底层实现，并利用并行化技术大幅加速求解过程，使华为田芸提升AI求解器支持亿级网络线性规划的高效求解。

如今，华为田芸AI求解器中集成了“自适应稀疏优化”和“底层优化并行化”两项技术，大大提升了其在网络线性规划问题上的算法性能，可以快速求解网络计划

在大规模云资源调度问题中，云调度平台在满足客户计算能力、带宽和存储需求的条件下，结合预测规划和网络线性规划方法，综合各种地域资源，平衡计算资源的供需，支持业务弹性，应对业务波动。

未来，网络线性规划求解器的关键技术还将应用于华为数字能源优化调度问题，帮助分分钟解决问题，提高能源利用率，减少碳排放。

随着华为运营优化技术的发展和优化理论的突破，将会推出更多创新技术来养育AI求解者。未来，华为联合团队将继续从运营优化理论和算法层面进行攻关，不断优化天竺AI求解器的性能，提升求解器领域的技术竞争力，为客户创造更大的价值。

审计彭静