固定费用网络流问题（FCNFP）将连续流量分配与离散弧激活决策耦合，是网络设计和资源分配中的经典模型，但在大规模网络上求解困难。精确的混合整数线性规划能够完整刻画固定费用结构，却常因规模而失效。本文提出一种基于迭代加权最小二乘（IRLS）框架的可扩展连续优化算法，针对单商品大规模 FCNFP。算法用光滑的非凸 Lasry–Lions 代理函数替代原始的固定费用和线性弧成本，并在每次迭代中求解加权二次流子问题。子问题通过热启动的对偶半光滑牛顿方法求解，其牛顿方程呈加权图拉普拉斯矩阵结构，因而可利用现代拉普拉斯求解器。为进一步提升底层组合问题的弧支持发现，本文还设计了目标驱动的扰动重启和锚点‑联合受限搜索，两者共同利用 IRLS 与互补启发式得到的支持。实验在 410 个基准、合成和大规模实例上进行，结果显示本方法在可扩展 FCNFP 算法中取得最高的目标质量，平均相对 MILP 参考的缺口为 $1.316\%$，在非 MILP 方法中胜率或持平率达到 $90.0\%$。这些结果表明，将平滑连续优化与支持层搜索相结合是生成大规模 FCNFP 高质量可行解的有效策略。
点评