阿里巴巴达摩院近期发布了其核心产品“敏迭”求解器（MindOpt）的GPU版本。这款新型求解器旨在 leveraging GPU的并行计算优势，通过引入新颖算法，有效解决此前困扰行业已久的“长尾效应”问题。
根据对近2000个通用算例的严格测试结果显示，“敏迭”求解器GPU版本能够稳定地将超过99%的问题类型求解到高精度水平。更值得一提的是，它还能成功应对传统求解器难以处理的亿级变量线性规划问题，填补了该领域的空白。
求解器在工业软件领域被誉为“工业软件之芯”，其核心角色在于处理电力调度、航班编排、高端制造以及金融管理等关键领域的复杂计算任务。
以往的线性规划求解器主要基于CPU架构设计。随着问题规模的不断扩大，这种传统架构在进行复杂的矩阵分解计算时，不仅会引发内存需求的指数级增长，更因并行度有限而导致计算耗时漫长，甚至在数小时内无法收敛，最终导致系统崩溃。
近年来，业界积极探索GPU求解器的潜力。通过将核心运算从矩阵分解转变为稀疏矩阵-向量乘法，GPU凭借其高并发和高带宽性能，有效避免了内存膨胀问题。然而，这种改造方法普遍存在“长尾效应”，即在求解后期，精度的提升极为缓慢，甚至无法达到最终要求，这严重限制了GPU求解器的实际应用价值。
为克服这一挑战，达摩院研发的“敏迭”求解器GPU版引入了先进的算法加速策略，并对GPU内核计算进行了深度优化。它巧妙地将数学规划技巧与GPU工程优势结合起来，成功缓解了上述“长尾效应”。这一突破使得GPU求解器从“能算”进化到“算准”，确保在超大规模问题上也能稳定收敛到业务所需的精度。
研发团队对“敏迭”求解器GPU版进行了广泛测试，涉及近2000个通用线性规划算例。这些算例涵盖了多种问题类型和精度要求，其中一些组合对传统的GPU算法构成了严峻挑战。测试结果表明，“敏迭”求解器在覆盖广度和求解性能方面均达到了行业领先水平。尤其是在高精度要求下，该求解器能够稳定处理的问题类型占比超过99%。
在大规模问题求解方面，“敏迭”求解器的成功率比业内主流产品提升了14%以上，平均速度加快了2.67倍。面对传统上被认为是“不可解”的亿级变量超大规模问题，“敏迭”求解器GPU版能够稳定求解超过80%的常见问题类型，从而弥补了关键技术空白。
这项技术成果在互联网、金融、物流、电力和集成电路等多个行业场景中展现出显著的应用价值。例如，某个大型数字广告平台需要为数亿用户分配流量，每次运算涉及约3.3亿个变量和1600万个约束条件，并要求在2小时内完成。多数商用求解器在运行48小时后仍无法提供可行解，甚至直接崩溃，而“敏迭”求解器GPU版仅需1700秒便能计算出可靠的精度结果。