用混合整数线性规划优化稀疏布尔规则网络

研究者提出用混合整数线性规划（MILP）训练稀疏 DNF 网络，从固定网络结构出发求解最优权重，通过正则化目标显式权衡误分类成本与稀疏性。其增强公式大幅减少整数决策变量并消除冗余约束，同时保持精确布尔语义，并结合初始化与 dropout 打破规则间权重对称性。在合成基准和 UCI 数据集上，该公式提升了计算效率，精度与 SAT-based DNF 学习及主流规则、树模型等可解释基线相当或更优。