📖 AI 总结

NVIDIA cuOpt 推出 mPDLP 求解器，通过 NVLink 互联的多 GPU 分布式架构，将大规模线性规划问题拆分到多个 GPU 上并行求解，突破了单 GPU 在内存容量和求解时间上的瓶颈。该方案采用最小割分区策略，利用连续稀疏矩阵向量乘法之间的共享依赖关系，通过减少二分依赖图中的边割来降低跨 GPU 通信开销。在 NVIDIA DGX B200 上对百余个 LP 实例的基准测试显示，mPDLP 的加速效果与问题规模强相关：当非零元素超过 10^7 时加速开始显著，最大问题上仅 PDLP 迭代步骤即达 11.4 倍加速；在多数大规模实例上较此前的 D-PDLP 方法提升 1.2 至 2.5 倍。实际应用中，Kinaxis 在超 1.35 亿变量的供应链模型上借助八块 H100 实现 3.3 倍加速，PSR 在 1.85 亿变量的能源扩展模型上借助八块 B200 实现超 5 倍加速。