我正在将LPSolve用于具有大约40,000个变量的系统，100个和-α1* x1 = c1约束的总和以及40,000个x1＆lt; n个约束。通常我得到一个解决方案，但偶尔LPSolve没有达到解决方案，而通过MatLab中类似的线性编程系统运行相同的数据将提供解决方案。从观察MatLab解决方案的拟合优度到求和约束，我认为MatLab愿意接受更大的最终误差（10 ^ -6中的部分），而LPSolve解决方案（如果确实解决了）总是好的10 ^ -12周围的部分。
我已经尝试过LPSolve手册/教程等，但还没有找到降低所需合身质量的方法。有很多变量/设置，教程解释可以改变，但不要似乎解释了这些变化实际意味着什么（我的背景知识肯定是不在线性编程中）。所以我的问题是：
我的假设是否有效 - 默认情况下LPSolve要求解决方案有一个非常小的错误，并且与Matlab的linprog有什么不同？
如果是这样，这个要求可以放宽 - 如果是这样的话？