Des chercheurs du MIT et de l'ETH Zurich ont développé une nouvelle technique basée sur l'apprentissage automatique pour accélérer la résolution de problèmes d'optimisation complexes, comme la distribution de colis ou la gestion du réseau électrique. Cette technique permet de réduire le temps nécessaire pour trouver une solution optimale de 30 à 70 % sans aucune perte de précision. Elle repose sur une étape intermédiaire clé dans les solveurs de programmation linéaire en nombres entiers (MILP) qui présente tellement de solutions potentielles qu'elle ralentit tout le processus. Les chercheurs ont utilisé une technique de filtrage pour simplifier cette étape, puis ont fait appel à l'apprentissage automatique pour trouver la solution optimale à un type spécifique de problème.