利用混合整数线性规划优化稀疏布尔规则网络

研究提出利用混合整数线性规划（MILP）训练稀疏析取范式（DNF）网络，在固定结构下显式权衡分类误差与稀疏度以全局优化布尔规则。该方法大幅减少了整数决策变量并消除冗余约束，结合初始化与 dropout 打破规则权重对称性。合成基准与 UCI 数据集实验表明，其计算效率明显提升，准确率持平或优于 SAT 及主流规则与树模型基线。