我使用SCIPAMPL来解决混合整数非线性规划问题(MINLP)。在大多数情况下,它运行良好,但我找到了一个解决方案错误地检测到不可行性的实例。
set K default {};
var x integer >= 0;
var y integer >= 0;
var z;
var v1{K} binary;
param yk{K} integer default 0;
param M := 300;
param eps := 0.5;
minimize upperobjf:
16*x^2 + 9*y^2;
subject to
ll1: 4*x + y <= 50;
ul1: -4*x + y <= 0;
vf1{k in K}: z + eps <= (x + yk[k] - 20)^4 + M*(1 - v1[k]);
vf2: z >= (x + y - 20)^4;
aux1{k in K}: -(4*x + yk[k] - 50) <= M*v1[k] - eps;
# fix1: x = 4;
# fix2: y = 12;
let K := {1,2,3,4,5,6,7,8,9,10,11};
for {k in K} let yk[k] := k - 1;
solve;
display x,y,z,v1;
解算器正在预测阶段检测不可行性。但是,如果取消注释将x和y固定为4和12的两个约束,则求解器将工作并输出正确的v和z值。
我很好奇为什么会发生这种情况,以及我是否可以用不同的方式来解决问题。我得到的一个建议是不可行性检测通常不是非常好的非凸问题。
编辑:我应该提到这不仅仅是一个SCIP问题。 SCIP恰好用这个特定的K集来解决问题。例如,如果我使用bonmin,另一个全局MINLP求解器,我可以解决这个特定K的问题,但是如果你将K扩展到15,那么bonmin检测到不可行性问题仍然可行。对于那个K,我还没有找到一个真正有效的解算器。我还尝试过基于FILTER的minlp求解器。我还没试过BARON,因为它只需要输入GAMS。
答案 0 :(得分:2)
有关建模问题的非常好的评论,例如,对原始问题的评论中的big-M约束。数值问题确实会引起麻烦,尤其是在出现非线性约束时。
根据您想深入了解的程度,我会看到3个选项:
您可以通过调整参数numerics/feastol
,numerics/epsilon
和numerics/lpfeastol
来降低数字精度。您可以将以下行保存在文件&#34; scip.set&#34;并将其保存到您调用scipampl
的工作目录:
小于此值的#绝对值被视为零 #[type:real,range:[1e-20,0.001],默认值:1e-09] 数字/ epsilon = 1e-07
小于此值的和的绝对值被认为是零 #[type:real,range:[1e-17,0.001],默认值:1e-06] 数字/ sumepsilon = 1e-05
#约束的可行性容忍度 #[type:real,range:[1e-17,0.001],默认值:1e-06] 数字/ feastol = 1e-05
LP解算器的原始可行性容差 #[type:real,range:[1e-17,0.001],默认值:1e-06] 数字/ lpfeastol = 1e-05
您现在可以通过修改文件scipampl
scip.set
中的不同数值精度
通过修复x
和y
- 变量来保存您获得的解决方案。如果您将此解决方案传递给没有固定的模型,则会收到导致不可行性的消息。通常,您会收到一条消息,表明某个变量绑定或约束在公差范围之外略有违反。
如果您想准确了解哪个预分析器解决方案变得不可行,或者前一种方法没有显示任何违规,SCIP提供了读取调试解决方案的功能;指定解决方案文件&#34; debug.sol&#34;通过取消注释src/scip/debug.h
/* #define SCIP_DEBUG_SOLUTION "debug.sol" */
使用
重新编译SCIP和SCIPAmpl make DBG=true
SCIP针对每个预处理减少检查调试解决方案并输出导致故障的预分解器。
我希望这对你有用。
答案 1 :(得分:1)
深入研究这个实例,SCIP似乎在预测中做错了。
在cons_nonlinear.c:7816(函数consPresolNonlinear)中,删除行
if( nrounds == 0 )
以便在任何情况下执行SCIPexprgraphPropagateVarBounds。
这似乎解决了这个问题。