数据与商务智能系葛冬冬教授与合作者王成文健、熊子凯、叶荫宇于2025年12月在国际顶尖期刊INFORMS Journal on Computing上发表学术论文“From an Interior Point to a Corner Point: Smart Crossover”，2025, 37(6): 1670-1688。 

      【论文简介】

       让大规模优化“更快落地”的关键一步：交大团队提出智能Crossover 新方法

       线性规划是现代工业与数字经济的“隐形引擎”——从电力调度、物流配送到供应链计划、金融风控，背后都离不开大规模优化计算。近年来，内点法等算法能快速给出高质量解，但在很多真实系统里，还需要把这种“中间形态”的解进一步转换成更便于后续计算与复用的“顶点解”（也可理解为更标准、更可接续的解）。这一转换环节在业内被称为 crossover，经常成为整体求解流程中最耗时、最不稳定的瓶颈之一。

       本研究提出“Smart Crossover”框架，针对这一持久被视为工程细节、却直接影响财产应用效率的关键步骤给出系统性改进。该方法的核心思路是：不再把转换过程当作黑箱，而是让算法“更懂问题结构”。对于网络流、最优运输等典型结构化问题，研究团队利用图结构特征更快识别关键变量，迅速构造可用的顶点解；对一般线性规划问题，则通过“智能扰动+精确校验”的策略，稳健地发生高质量顶点解，并为后续计算提供更好的起点。

       在多组公开基准与实际规模数据上，Smart Crossover 显著缩短了转换耗时：在部分场景中可实现十倍以上加速，并降低了大规模实例中“卡在最后一步”的风险。该成果有望提升优化求解在制造、能源、交通与供应链等领域的部署效率，让更大规模、更高频率的实时决策成为可能，也为“算法创新如何转化为财产生产力”提供了新的路径示范。

      【作者介绍】

       葛冬冬，上海交通大学安泰经济与管理教授。

      研究兴趣：1. 超大规模数学优化问题的理论、算法与软件研发，及其在供应链、制造、交通、能源、量子计算等领域的应用；2. LP，MILP，SDP，SOCP等问题的算法设计、理论分析与软件开发；3. 基于GPU的新一代数学规划算法设计；4. 产GPU的高精度高性能计算数学库函数建设；5. 大模型训练推理中的算法优化，及决策大模型的训练与应用。