1

我正在与一个合作者合作进行某个涉及线性规划的优化项目。我们都使用 Coin-OR 分支和切割求解器来解决问题。我使用基于 Python 的 PuLP 包构建 .LP 文件。我不完全确定合作者如何创建他们的 .LP 文件（绝对不使用 Python），但本质上，我们有两个不同的系统为完全相同的问题生成 .LP 文件 - 即目标函数、变量、约束完全相同.

我通常在 Python myProblm.solve()（接下来，我将从我的系统（Python 或命令行）获得的输出与我的合作者获得的输出进行比较。[请注意，无论是在 PuLP 中还是在命令行中解决，我这边的问题的输出都是完全相同的。]

我们之间的目标函数值匹配得很好，但其他细节并不完全匹配。例如，如果我们要解决这个 Whiskas 混合问题，成分的总成本将完全相同，但成分的比例不同。知道为什么会这样吗？

我手动比较了我们的 .LP 文件，发现了一些差异。对于初学者来说，约束和变量的顺序是不同的。换句话说，如果有 5 个约束，我的文件将它们列为C1,C2,C5,C4,C3，而相同的约束将列为C1,C2,C3,C4,C5。此外，我的 Python 代码将所有数字四舍五入到 10 的位置，而他的系统将它们四舍五入到 1 的位置。因此，一些变量的系数值略有不同。

这些差异是否在求解器的确切输出中起作用？

此外，下一个扩展问题是：在解决线性规划优化问题时，我们应该怎么做才能获得完全相同的输出？哪些因素会影响 LP 问题的解决方案？.LP 文件的结构等因素是否起作用？如果我在不同的计算机上以完全相同的条件运行相同的 LP 文件，我会得到完全相同的输出吗？

4

1 回答 1

2

因为具有相同最优目标函数的 LP 问题有多个解，不同的求解器不能保证它们会返回相同的解。当 MIP 问题使用分支定界时，这个问题变得更加复杂。使用多线程或多处理几乎不可能。

总之，要获得相同的解决方案，要么生成完全相同的 LP 文件并使用相同的求解器求解。或者更改您的目标函数，以便只有一个最佳解决方案（也许更喜欢对成分进行一些排序，而成分成本的变化很小）。

于 2018-04-25T23:05:54.563 回答