混合整数规划（Mixed-Integer Programming, MIP）是数学规划的一个重要分支，它研究的是在满足一组线性约束条件下，求解包含连续变量和整数变量的目标函数最优值的问题。这类问题常见于需要离散决策的实际场景中，例如路径选择、资源分配等。混合整数规划之所以特殊，在于整数变量的引入使得问题从多项式复杂度跃升为NP难问题，这对求解算法提出了更高要求。
在自动驾驶领域，混合整数规划广泛应用于运动规划、任务调度等关键环节。例如，在复杂交通场景下的轨迹优化问题中，既需要连续变量描述车辆的精确位置，又需要整数变量表示离散的换道决策。现代求解器如Gurobi、CPLEX通过分支定界等算法，能够高效处理这类混合变量优化问题。随着自动驾驶系统对实时性要求的提升，基于启发式规则的简化MIP算法也成为了研究热点。