我有一个线性MIP问题，Gurobi在10次迭代中找到了解决方案 要真正证明解决方案是最优的，需要更多的时间 日志如下。
有没有办法告诉Gurobi停下来？
我尝试了自动调整工具
它告诉我设置Heuristics=0
如果我遵循这个建议，找到解决方案的总运行时间会减少
但是这个总时间远远超过了10次迭代的启发时间。
我是MIP的新手，所以，从日志中我不知道哪个参数将是一个很好的停止标准（GAP，BestBound，...）。
Optimize a model with 434 rows, 380 columns and 1332 nonzeros
Found heuristic solution: objective -0.667665
Presolve removed 74 rows and 72 columns
Presolve time: 0.00s
Presolved: 360 rows, 308 columns, 1428 nonzeros
Variable types: 188 continuous, 120 integer (120 binary)
Root relaxation: objective 1.454681e+00, 383 iterations, 0.00 seconds
Nodes | Current Node | Objective Bounds | Work
Expl Unexpl | Obj Depth IntInf | Incumbent BestBd Gap | It/Node Time
0 0 1.45468 0 80 -0.66764 1.45468 318% - 0s
H 0 0 -0.2958055 1.45468 592% - 0s
0 0 1.33723 0 87 -0.29581 1.33723 552% - 0s
H 0 0 -0.0360081 1.33723 3814% - 0s
0 0 1.32350 0 88 -0.03601 1.32350 3776% - 0s
0 0 1.31284 0 62 -0.03601 1.31284 3746% - 0s
0 5 1.31284 0 62 -0.03601 1.31284 3746% - 0s
H 407 237 -0.0223424 1.12204 5122% 13.3 0s
H 606 348 -0.0139589 1.09397 7937% 12.8 0s
H 1209 691 0.0000905 1.00647 - 12.2 0s
H 1543 852 0.0000935 1.00647 - 15.4 1s
12464 8280 0.31259 37 45 0.00009 0.83003 - 16.1 5s
32517 21750 cutoff 44 0.00009 0.75633 - 15.8 10s
41026 27530 0.15234 45 67 0.00009 0.40720 - 15.7 15s
67008 28123 0.00079 87 9 0.00009 0.00252 2599% 12.1 20s
123660 32561 0.00088 82 13 0.00009 0.00197 2008% 8.0 25s
183205 53085 0.00111 80 14 0.00009 0.00175 1766% 6.5 30s
242669 70749 0.00115 82 13 0.00009 0.00160 1611% 5.6 35s
300464 86096 0.00016 83 14 0.00009 0.00150 1499% 5.2 40s
360002 99530 0.00116 77 12 0.00009 0.00141 1407% 4.8 45s
419747 111348 0.00092 82 11 0.00009 0.00134 1330% 4.5 50s
479404 121404 0.00094 78 18 0.00009 0.00128 1265% 4.4 55s
538670 130127 0.00061 86 9 0.00009 0.00122 1206% 4.2 60s
599541 137721 0.00071 87 10 0.00009 0.00117 1152% 4.1 65s
659419 143977 0.00049 81 13 0.00009 0.00113 1104% 4.0 70s
719366 148872 0.00090 82 7 0.00009 0.00108 1058% 3.9 75s
778800 152645 cutoff 81 0.00009 0.00104 1015% 3.8 80s
838419 155900 0.00064 82 12 0.00009 0.00101 975% 3.7 85s
898257 157892 0.00038 82 11 0.00009 0.00097 937% 3.7 90s
959133 158950 0.00064 82 9 0.00009 0.00093 898% 3.6 95s
1019118 158672 cutoff 86 0.00009 0.00090 863% 3.6 100s
1077389 157263 0.00034 79 16 0.00009 0.00087 828% 3.5 105s
1136559 154819 0.00015 83 6 0.00009 0.00084 795% 3.5 110s
1197408 151286 0.00033 79 11 0.00009 0.00080 760% 3.5 115s
1256981 146998 0.00058 85 11 0.00009 0.00077 726% 3.4 120s
1315053 141986 0.00015 87 9 0.00009 0.00074 693% 3.4 125s
1369901 136123 cutoff 84 0.00009 0.00071 662% 3.4 130s
1423732 129573 0.00042 84 11 0.00009 0.00068 631% 3.3 135s
1483143 120871 0.00036 86 11 0.00009 0.00065 593% 3.3 140s
1541197 111293 0.00020 84 11 0.00009 0.00061 553% 3.3 145s
1598804 100832 0.00030 81 15 0.00009 0.00057 511% 3.3 150s
1655909 89315 0.00039 84 11 0.00009 0.00053 466% 3.2 155s
1704245 77614 0.00018 82 15 0.00009 0.00049 420% 3.2 160s
1750024 63910 0.00014 83 12 0.00009 0.00044 367% 3.2 165s
1795438 46988 cutoff 78 0.00009 0.00037 299% 3.2 170s
1847433 21718 0.00012 82 10 0.00009 0.00026 178% 3.2 175s
Cutting planes:
Gomory: 54
MIR: 14
Flow cover: 28
Explored 1875647 nodes (5924527 simplex iterations) in 178.11 seconds
Thread count was 4 (of 4 available processors)
Optimal solution found (tolerance 1.00e-04)
Best objective 9.353429694370e-05, best bound 9.353429694481e-05, gap 0.0%
答案 0 :(得分：4)
如果您想证明解决方案是最佳的，请不要提前终止。 grbtune参数调整工具非常有用，但看起来您可以通过专注于移动边界来做得更好。有关如何移动边界的建议，请参阅参数调整指南的MIP section。例如，我会尝试增加Cuts参数，将MIPFocus设置为2或3，和/或将Presolve设置为2。
免责声明：我负责Gurobi的技术支持。
答案 1 :(得分：2)
我只想补充一些解释：
Gurobi启发式算法在10次迭代中找到了解决方案。无法保证此解决方案是最佳的，特别是其余时间用于证明这一点。
通过禁用启发式方法，稍后会发现所述解决方案。在这方面，建议的参数设置是成功的，即整体运行时间（可用的解决方案并证明是最优的）减少了（即使实际解决方案稍后可用）。
正如上面的Greg Glockner所指出的那样，由于大部分时间花在证明解决方案的最佳性上，因此将重点放在重点上可能会加快解决方案的时间。你也可以定义停止标准，设置Toleranze / Gap参数，如here所述。