Optimizasyon dünyasının temel taşlarından biri olan doğrusal programlama (LP) problemleri, günümüzde giderek daha büyük ve karmaşık hale geliyor. Yeni bir araştırma, bu dev problemleri çözmek için kullanılan algoritmaların performansını kapsamlı bir şekilde inceledi.
Çalışmada, en yaygın kullanılan üç algoritma ailesi mercek altına alındı: klasik simplex yöntemi, modern iç nokta yöntemleri ve PDHG algoritması. Araştırmacılar, bu algoritmaların çalışma sürelerinin model boyutu arttıkça nasıl değiştiğini analiz etti.
Araştırmanın dikkat çeken yanı, test verilerinin oluşturulma yöntemi. Büyük dil modelleri kullanılarak altı farklı optimizasyon uygulama alanında hem sentetik hem de gerçekçi problem örnekleri yaratıldı. Bu yaklaşım, algoritmaların gerçek dünya koşullarındaki performansını daha doğru değerlendirme imkanı sağladı.
Sonuçlar, basit regresyon modellerinin belirli bir model sınıfı içinde gözlenen çalışma sürelerini oldukça iyi tahmin edebildiğini gösterdi. Ancak asıl önemli bulgu, algoritmaların asimptotik davranışlarındaki belirgin farklılıklardı. Bu farklılıklar, gelecekte büyük ölçekli LP modellerini çözmek için hangi algoritmaların tercih edileceğini belirlemede kritik rol oynayabilir.