一种机器学习增强的机组组合问题优化求解方法、系统及存储介质

本发明公开了一种机器学习增强的机组组合问题优化求解方法，建立概率融合模型，有效结合了多种分类器的优势，相比单一模型具有更强的稳定性、更高的准确率和更好的泛化能力，能更有效保障求解质量和提升求解速度；本发明还设计了基于置信度排序的变量筛选机制，优先固定高置信度整数变量以及预测出有效最小开停机时间约束，以显著降低混合整数规划问题的变量和约束规模，提升求解效率。本发明的优化求解模型在SG‑126系统的96时段和288时段场景下分别实现了约6倍和11倍的加速效果，表明方法具有良好的通用性、稳定性和扩展性。