高效分布-协同迭代求解算法数据集

主要面向优化问题高效求解方法研究，数据集涵盖Benders分解、Lagrangian松弛及SeparableNLP三类典型优化问题实例，具有较强的算法研究与方法验证价值。其中，Benders数据来源于随机整数规划测试库，包含12个两阶段随机整数规划实例，适用于分解算法与不确定性优化研究；Lagrangian部分为混合整数非线性规划（MINLP）测试实例，可用于研究松弛与对偶方法在复杂约束下的求解性能；SeparableNLP则为连续非线性规划模型集合，适用于分析可分结构问题的高效求解策略。数据集整体覆盖离散与连续、确定性与随机性等多种优化模型形式，能够系统支撑分布式优化、分解协调及高性能算法开发研究。此外，数据集还配套包含相关学术论文3篇及授权专利1篇，为算法设计与性能评估提供理论与技术参考。整体数据规模约为26MB，结构清晰、类型多样，适用于优化算法研究与对比测试。