NVIDIA 官方设计与仿真资料· Bulle Mostovoi, Preethi Maulik, Burcin Bozkaya, Rajath Narasimha·· 14 天前精选
cuOpt mPDLP：多 GPU 求解供应链与生产计划中的大型线性规划
Scaling Decision Optimization to 100 Million Variables and Beyond with mPDLP in NVIDIA cuOpt
先看结论
对于超大规模线性规划问题（非零元超过1000万），mPDLP能显著缩短求解时间并降低单GPU内存占用，但小问题可能因通信开销而变慢，且部分超大规模实例上不如D-PDLP。
报道讲了什么
- NVIDIA cuOpt推出多GPU PDLP求解器mPDLP，通过NVLink连接的多GPU分布式求解LP问题。
- mPDLP采用最小割图划分，利用连续SpMV的依赖关系减少跨GPU通信。
- 在超过100个LP实例上基准测试，mPDLP在非零元超过10^7时相比单GPU有加速，PDLP步骤加速比最高达11.4倍。
可以做什么
- 分布式求解大规模LP问题，支持非零元高达21亿。
- 相比单GPU PDLP，每GPU峰值内存使用降低最多6倍。
- 在大多数大规模实例（非零元>10^7）上，比D-PDLP快1.2倍到2.5倍。
怎么开始试用 · FLABS 建议
- 从原文进入官方说明，核对版本、所需平台、许可与费用。
- 先确定一个试用任务：分布式求解大规模LP问题，支持非零元高达21亿。
- 使用测试副本，比较输出格式、质量、可编辑性和耗时；通过要求后再纳入正式流程。
结果与限制
- 小问题（非零元<10^7）可能因通信开销而性能下降。
- 在三个超大规模实例上，mPDLP比D-PDLP慢，可能因稀疏模式不匹配。
- 性能高度依赖矩阵稀疏模式，导致不同问题上的表现差异。
使用入口与依据
推荐理由
补充供应链与生产计划工具资料，区分决策优化、生成式模型及性能测试出处。
来源：NVIDIA 官方设计与仿真资料 · developer.nvidia.com
事件后续
查看事件全部正在读取事件进展…