混合整数线性规划 (MILP)是数学优化领域中一种极其强大的工具，它是对标准线性规划 (Linear Programming, LP)的扩展。其核心特点在于，模型中的决策变量一部分被要求必须为整数，而另一部分则可以是连续的实数。MILP 之所以应用广泛，是因为它能精准地模拟那些同时包含“是否”决策和“多少”决策的复杂现实问题。整数变量通常用来表示离散的、不可分割的决策，例如：是否投资一个项目（0代

输出模板任务类型分类 / 回归 / 聚类 / 强化评价指标资源约束数据量、计算时限、延迟要求例：MNIST任务：10 类手写数字分类指标：Top-1 Accuracy约束：≤ 25 ms 单张推理延迟子步骤关键动作工具/API获取开源、爬虫、私有库Kaggle向量化图像→张量、文本→Tokentf.imageTokenizer清洗缺失、异常、重复缩放标准化 μ=0,σ=1 或归一化 [0,1]特征

函数用于描述输入与输出之间的关系。一个输出值随着一个或多个输入值的变化而变化，体现了变量之间的依赖关系。事件分为以下两种。一种是确定性事件。确定性事件又分为以下两种。必然事件：如太阳从东方升起，或者水在0℃会结冰。不可能事件：如掷一个常规的六面骰子，得到的点数是7。有大量事件在一定条件下能否发生，是无法确定的，它们是随机事件。比如，掷一枚硬币得到的是正面还是反面、明天大盘是涨还是跌等。因此，对于随

记录大一 ~ 大二期间完成的Java Swing 桌面实训项目每个系统均为的 Maven / 普通 Java 项目，已按项目名建立 Git 分支，方便单独查看与克隆。代码链接：https://github.com/MiaoJiaYi-77/java-swing-projects。

函数用于描述输入与输出之间的关系。一个输出值随着一个或多个输入值的变化而变化，体现了变量之间的依赖关系。事件分为以下两种。一种是确定性事件。确定性事件又分为以下两种。必然事件：如太阳从东方升起，或者水在0℃会结冰。不可能事件：如掷一个常规的六面骰子，得到的点数是7。有大量事件在一定条件下能否发生，是无法确定的，它们是随机事件。比如，掷一枚硬币得到的是正面还是反面、明天大盘是涨还是跌等。因此，对于随

输出模板任务类型分类 / 回归 / 聚类 / 强化评价指标资源约束数据量、计算时限、延迟要求例：MNIST任务：10 类手写数字分类指标：Top-1 Accuracy约束：≤ 25 ms 单张推理延迟子步骤关键动作工具/API获取开源、爬虫、私有库Kaggle向量化图像→张量、文本→Tokentf.imageTokenizer清洗缺失、异常、重复缩放标准化 μ=0,σ=1 或归一化 [0,1]特征