近日，​304am永利集团赵欣苑教授团队与香港理工大学智能运筹学研究中心孙德锋教授领衔的团队合作研发的GPU线性规划求解器HPR-LP取得重要突破。在国际公认的Hans Mittelmann LPfeas公开基准测试最新榜单中，HPR-LP在包含65个实例的主榜单和包含13个超大规模实例的补充榜单（Addendum）中均位列第一。尤其在更具挑战性的超大规模实例测试中，HPR-LP成为唯一成功求解全部13个实例的求解器，测试表现领先英伟达、谷歌等开发的多款国际主流商业及开源求解器。

在包含65个实例的主榜单中，HPR-LP成功求解63个实例，归一化综合运行时间指标（scaled）为1.00，位列求解器第一，优于COPT、MOSEK、HiGHS、KNITRO、谷歌PDLP、英伟达cuOpt等国内外知名线性规划求解器。该指标越小，表示按照榜单统计口径衡量的综合运行时间越短。

图1  LPfeas主榜单参测求解器及汇总结果

超大规模线性规划求解需要处理海量稀疏矩阵和迭代数据，对GPU显存、数据访问和计算效率提出极高要求。在本次超大规模实例测试中，HPR-LP在规定测试条件下成功求解全部13个实例，成为榜单中唯一完成全部实例的求解器。其中，qap-tho-150实例包含约2.5亿个变量、671万条约束和超过10亿个约束矩阵非零元素。HPR-LP仅用463秒即完成求解，展现出其在超大规模稀疏线性规划求解中的突出性能。

图2  超大规模测试问题参测求解器及结果

上述突破得益于双方团队在大规模优化算法与高性能求解器领域的长期合作与持续积累。针对超大规模稀疏线性规划的计算特点，团队将HPR优化算法与GPU大规模并行计算深度结合，围绕模型预处理、GPU稀疏计算和迭代更新等关键环节开展协同优化，有效提升了求解器处理大规模问题的计算效率与稳定性。

线性规划是运筹优化和科学计算中的基础模型，广泛应用于生产计划、供应链管理、能源系统、交通调度等重要领域。随着实际决策问题的规模和复杂度不断增长，对高性能线性规划求解器的计算效率和大规模问题处理能力提出了更高要求。

据悉，双方团队正积极推进HPR-LP向国产计算平台迁移与适配，面向华为昇腾等国产AI芯片开展技术适配，探索构建自主可控的高性能优化求解技术体系，进一步拓展国产算力平台在大规模科学计算与优化求解领域的应用。

注：排名依据榜单中的scaled指标，时间采用榜单所列运行时间；各求解器按榜单规定的硬件、精度与时限运行。原图中的COPTG为COPT的GPU版本。榜单更新日期为2026年9月16日。

测试榜单：LPfeas Benchmark

运行日志：qap-tho-150实例的COPT运行日志

开源项目：github.com/PolyU-IOR/HPR-LP-C

相关论文：HPR-LP: An implementation of an HPR method for solving linear programming

来源：院科研与学科工作办公室

文字：赵欣苑

图片：赵欣苑

编辑：李柯

审核：刘冰、黄秋梅、谢田法