近日，华为云天筹AI求解器实现性能重大突破，在国际权威数学优化求解器Hans Mittelmann榜单上斩获六项业界第一，展现了天筹AI求解器在混合整数规划、非线性规划等求解器核心领域的强大技术实力。

天筹AI求解器新版本创新性地深度融合大模型技术，构建了大模型驱动的自动算法生成与演化框架，显著提升了建模与求解的智能化水平。此外，天筹AI求解器重磅推出通用非线性规划、约束规划和黑箱优化求解功能，并深度优化Python SDK易用性及分布式计算等关键能力，将复杂业务场景的求解效率提升十倍，为企业智能决策提供了强大引擎，助力制造、物流、供应链等行业实现降本增效与数智化升级。

天筹AI求解器登顶六项权威榜单

•  在混合整数线性规划（MIPLIB2017，MILP）榜单中，性能较上一版本大幅提升117%，稳居榜首；

•  在病态混合整数线性规划（MILP Pathological，MILP-Path）榜单中，表现稳健，成功拔得头筹；

•  在非线性优化（Nonlinear Programming，NLP）榜单中，首次参与即位列第一，领先第二名32%；

•  在二阶锥优化（Second Order Cone Programming，SOCP）与凸二次连续规划（Convex Continuous QPLIB，QP）榜单中，表现卓越，跃居榜首；

•  在大规模网络流单纯形法（Large Network Linear Programming，Large Network-LP）榜单中，持续保持领先地位，性能超出第二名近120%；

•  在混合整数线性规划不可行问题（MILP-Infeasible）、线性规划最优顶点解（LPOpt）以及最优数值解（LPFeas）三项榜单中，均稳居行业前列。

天筹AI求解器登顶六项权威榜单

五大特性重磅更新

在石油化工领域，企业通过对高度非凸非线性问题的优化，可以获得更加经济的原油配比和油品输运决策。在上个版本中天筹AI求解器已支持包含简单非线性函数的二次规划和二阶锥规划问题求解，而新版本进一步拓展了非线性问题的求解能力。新版本支持多项式、指数、对数等复杂非线性关系的建模，并通过高效的内点算法进行求解。

约束规划是解决各类线性、非线性和逻辑约束组合问题的重要方法，常用于生产计划和调度决策。新版天筹AI求解器正式支持约束规划的建模与求解，涵盖线性约束、逻辑约束、互斥约束、区间约束以及容量约束等常见类型。同时，天筹AI求解器的约束规划求解技术与MILP引擎深度融合，进一步增强了部分纯整数规划问题的求解能力。

Python建模接口是天筹AI求解器最重要且最常用的接口。新版本进一步提升了Python接口的易用性。新增的矩阵约束建模功能有效提升了基于numpy矩阵构造优化问题约束的效率；改进后的模型属性与参数获取和设置接口更加贴合Python编程习惯，有效降低了工程开发的工作量。

分布式计算是求解器利用硬件资源加速的重要手段。此次更新，天筹AI求解器新增了MILP问题的分布式并发求解功能，并已在电力系统安全约束机组组合等极具挑战性的问题上成功验证。与基线版本相比，分布式版本的求解时间缩短超过24%，显著提升了机组启停计划的制定效率。

黑箱优化是解决函数形式未知、难以解析的复杂优化问题的核心技术，广泛应用于工程设计参数调优、工业过程优化等场景。新版天筹AI求解器全面支持黑箱优化问题求解，覆盖连续变量、离散变量、混合变量优化，以及多目标、带约束、带噪声、高维数的典型黑箱问题类型。同时，天筹AI求解器黑箱优化求解技术融合鲁棒优化、流形优化、多阶段优化等高阶特性，进一步增强在工业复杂场景的应用能力。

大模型加持，做最智能的求解器产品

华为云天筹AI求解器团队与华为诺亚方舟实验室合作，设计了大模型驱动的自动算法生成与演化框架。该框架的核心思想是利用大模型的先验知识，不局限于高维离散符号空间的低效搜索，而是直接在编程语言空间中进行精准探索。

团队首先使用预训练的大模型作为算法生成器，能更高效地产出符合问题逻辑的高质量算法，并采用无梯度的代码级进化框架驱动算法优化，通过AI框架将优化后的算法嵌入天筹AI求解器，评估其在多维度上的性能表现，从而形成并维护了一个多样化的求解算法种群，据此进一步通过关键代码识别和上下文学习技术引导后续的算法优化尝试，形成持续打磨算法细节的闭环迭代。

目前这一框架在多个启发式算法上得到了有效验证，演化后的算法不仅在效率和精度上均有明显提升，还可根据实际数据自动持续优化，显著减轻对专家经验的依赖。

基于大模型的求解器算法生成框架

深耕实业，助力行业数智化转型

传统优化决策业务技术门槛高、人力投入大，例如传统项目流程需7类以上专家协同，消耗28人月高技术人力，交付与运维均存在困难。华为云基于天筹AI求解器与大模型，创新研发了覆盖需求识别、数学建模、代码生成、数据校验、优化求解、辅助分析等优化决策全流程的智能决策工具链，支持用户低门槛、高效率完成业务，并允许自定义组件，提供开发态与应用态，用户可拥有自主的优化决策工具链系统。该平台化工具链有效保障了用户安全与资产私有化，显著降低了技术门槛，将项目周期大幅缩短。

智能决策工具链解决方案

在华为内部网络资源调度场景中，基于天筹AI求解器实现的拓扑调度求解方案可以实现256POD大规模问题分钟级求解，平均流完成时间（FCT）提升20%以上，链路使用量节约了7%以上，显著提升了网络性能和部署效率。

在华为值班派单与展会排房场景中，依托天筹AI求解器与大模型能力，显著提升效率。派单场景下，系统将每日派单时间从2小时压缩至5分钟，减少95%工作量，实现规则约束下的快速智能派单。在展会酒店排房场景中，AI系统将原需数十人天的工作压缩至1小时内。今年华为全联接大会，需要对2000+客户安排酒店和会议室，共涉及10+家酒店，40+类房型，6000+入住总间夜及600+场会议交流，基于天筹AI求解器实现80%会议自动排期与70%酒店自动排房，人效提升45%-60%。

在供应链领域，存在大量高复杂度的决策优化问题，其高效解决高度依赖专业求解器的支撑。以多工厂排产引擎为例，该引擎需每日统筹输出覆盖数百个加工地、数万种元器件的联合加工计划，其背后是包含数千万变量与约束条件的线性规划模型。此类模型不仅业务价值重大，直接影响供应链整体运转效率与资源配置合理性，同时求解难度极高，对求解器的稳定性与效率提出严苛要求。基于算法生成与迭代优化技术的天筹AI求解器，不仅长期稳定支撑了该核心业务场景，保障日常加工计划的精准高效输出，还在2025年进一步实现了约10%的求解速度提升，为供应链运营效率优化提供了关键技术助力。在可供承诺（ATP）引擎这一核心业务场景中，天筹AI求解器同样展现出卓越能力。面对求解超时的难题，天筹AI求解器成功攻克瓶颈，保障了ATP计算的顺畅高效，并在相同运行环境下实现了超越国外顶尖求解器的效率与稳定性，为业务的持续发展提供了坚实保障。

柳药集团业务涵盖批发、零售与库间调拨，每日订单3.2万以上，车辆派送组合方案总数高达10^130次方，面临业务规模大、派车规则复杂、人工派车成本高、路径规划多目标难均衡等挑战，亟需智能化解决方案。基于天筹AI求解器的柳药物流配送智能排线系统整合企业资源计划、仓库管理、运输监控、地理信息与外部车辆租赁等数据，配备信息治理模块与可视化前台。天筹AI求解器作为路径规划核心引擎，全流程业务数据可管、可视、可溯源。系统运行后排车时间从小时级缩短至分钟级，配送效率提升15%，运营成本降低20%。

钢铁宽厚板生产因规格复杂、订单批量小且个性化要求多，传统组板高度依赖人工在MES系统中进行合同组合与板坯设计，处理大量合同和余材常需数小时，难以全局优化，易受经验影响，导致材料利用率低、切损大。沙钢宽厚板产线引入天筹AI求解器智能组板算法，吸收人工经验并转化为规则和模型约束，综合考量多阶段（坯料设计、板材设计、布局设计）、多目标(如材料利用率、交货期、裁切效率等)，实现坯料和板材的优化设计。系统智能匹配库存余材至新合同，显著提高板坯利用率。同时，借助高效计算能力，组板效率大幅提升，可在分钟级完成千余份合同的组板组坯方案，有效降低人工依赖与经验差异，提升订单变化时的响应效率，创造显著经济价值。

在铝加工行业，多品种、小批量、多工序的特点，产品特性要求工序间存在最小时间间隔和最大时间间隔的强约束限制，以及工序组炉退火的要求，使得冷轧排产极为复杂。中铝瑞闽面对1500个订单，每单平均10余道工序，单工序可选设备达20台，组合方案总数超过百万亿种，传统人工排产难以兼顾设备能力、冷却间隔、交期要求及组辊、组炉、组刀等40+复杂规则，导致排产合理性不足、交期评估片面、插单影响难判断，制约生产效率与服务质量。引入天筹AI求解器后，冷轧排产由人工月、日计划升级为模型自动排产，从人工天级制定计划到算法分钟级输出高质量计划，快速判断插单影响，支撑科学决策。通过天筹AI求解器优化资源配置，加快金属周转，年创效数百万元；合理组批使冷轧机单辊通过量由18道次/对辊提升至19—20道次，年增效益数十万元。计划合理性与精度显著提升，交期评估从“点”到“面”全面升级，按时交货率从94.1%提高至98%以上，客户满意度和黏性大幅增强。

未来，华为云将持续深耕天筹AI求解器，汇聚内外部最佳实践，将复杂的数学优化能力转化为企业便捷易用的智能决策工具，助力千行万业破解数字化转型中的核心挑战，为实现全局最优决策提供坚实支撑，赋能产业高质量发展。

推荐阅读：