最佳开源混合整数优化求解器

Question

我正在使用CPLEX来解决巨大的优化模型（超过100k变量）现在我想看看我是否能找到一个开源替代品，我解决了混合整数问题（MILP）和CPLEX工作得很好但它非常如果我们想要扩展，那就太贵了，所以我真的需要找到一个替代方案，或者开始编写我们自己的ad-hoc优化库（这将是痛苦的）

非常感谢任何建议/见解

Answer 1

我个人发现GLPK比LP_SOLVE更好（即更快）。它支持各种文件格式，另一个优点是它的库接口，可以与您的应用程序平滑集成。

Answer 2

对COIN-OR的另一种认可。我们发现线性优化器组件（Clp）非常强，并且通过一些分析可以很好地调整混合整数组件（Cbc）。我们与LP-Solve和GLPK进行了比较。

对于真正棘手的问题，商业解决方案是可行的方法。

Answer 3

尝试使用SCIP求解器。我已将它用于MILP问题，具有超过300K变量且性能良好。其MILP性能远优于GLPK。 Gurobi在MILP问题上的表现也非常出色（通常比SCIP（2011年5月）更好），但如果您不是学术用户，它可能会很昂贵。 Gurobi将使用多核来加速求解器。

Answer 4

你试过lp_solve吗？对于Java，在以下问题中还有一些其他建议：

• mathematical optimization library for Java —- free or open source recommendations?
• Linear Programming Tool/Libraries for Java

Answer 5

我建议查看COIN项目。 COIN OR

这里有许多优秀的解决方案，包括ipOPT 对于非线性问题和一对 混合整数求解器也是如此。

Answer 6

如果我是你，我会尝试使用诸如Osi（C ++）或PuLP（python）之类的多解算器接口，以便您可以编写一次代码，并使用许多求解器进行测试。

如果您要解决的整数程序很大，我建议使用python而不是C ++，因为您的代码看起来更干净，99％的时间将花在解算器上。

• https://projects.coin-or.org/Osi
• http://code.google.com/p/pulp-or/

相反，如果问题很小，那么将问题从python内存复制到求解器（来回）的时间不能再被忽略了：在这种情况下，你可以尝试使用一些明显的性能改进编译语言。

但如果问题非常庞大，那么编译语言将再次获胜，因为内存占用率将大致除以2（在python中没有问题的副本）。

Answer 7

Scip还不错！

Answer 8

虽然这可能不是你想听到的，但是商业解决方案CPLEX和Gurobi与另一方面开源求解器之间存在光年。

尽管如此，你可以很幸运，你的模型可以与GLPK，Coin等合作，但总的来说，开源解决方案远远落后于商业解决方案。如果不同，没有人会为Gurobi许可证支付12.000美元，而CPLEX许可证则更多。

在过去的几年里，我见过很多很多模型，这些模型对于开源求解器来说都是困难的。相信我......

这不是一个大小问题，而是数字难题。

Answer 9

100k变量是个大问题。许多开源库在许多变量中都不能很好地运行。从我读过的内容来看，lp_solve只测试了大约30k个变量。使用商业系统可能是您唯一的选择。

Answer 10

我使用NEOS服务器（http://www.neos-server.org/neos/solvers/minco:DICOPT/GAMS.html）来使用DICOPT来解决大型（约1k变量和1k约束）混合整数非线性程序，并发现它非常出色。

对于我的问题，DICOPT比neos服务器BARON / KNITRO / LINDO / SBB等上列出的其他MINLP解决方案做得更好。

向NEOS提交作业存在一些限制，这有点麻烦，但免费获得强大的商业解决方案可以弥补它。

Answer 11

我将以下内容添加到已经很好的答案中。

虽然正如其他人所指出的那样，商业解决方案比免费替代方案更快，更强大，因此考虑您可以接受多少最优性差距非常重要。对于具有许多整数变量的大问题，如果可以接受1％甚至更大的最优性差距（默认值通常在0.01％或更低），则可以获得更快的求解时间。

当然，如果你正在解决1％转化为数百万美元的问题，这是不可接受的 - 因此是一流求解者的市场。 （Gurobi与自由求解器的一些比较here）

我同意其他人使用生成独立于解算器的问题文件（例如* .mps，* .lp文件）的平台是值得的，因为您可以尝试其他求解器。我正在使用PuLP找到它，而且免费的COIN_CBC求解器非常好。虽然限于许多整数变量的问题。

Answer 12

我很惊讶没有人提到过MIPCL（http://www.mipcl-cpp.appspot.com/index.html）。该解算器声称在LGPL许可下是开源的（来源：http://www.mipcl-cpp.appspot.com/licence.html），因此它也适用于非开源应用程序。但是真正开源的缺点是求解器本身的源代码。

Hans Mittelmann最近（2017年9月10日）做了混合整数线性规划基准：http://plato.asu.edu/ftp/milpc.html（您可能也有兴趣查看概述页面http://plato.asu.edu/bench.html或他演讲的幻灯片：{{ 3}}）。

在具有12个线程且时间限制为2小时的混合整数线性编程基准测试中，MIPCL设法解决了79个实例。只有商业解决方案CPLEX，Gurobi和XPRESS设法在给定的约束下解决更多问题（分别为86或87个实例）。

此外，就所选性能指标而言（再次使用12个线程），MIPCL比基准SCIP派生（FSCIPC，FSCIPS）和开源求解器CBC更快。同样，只有商业解决方案CPLEX，Gurobi和XPRESS在性能方面显着超越MIPCL。

Answer 13

不是开源的，但如果您拥有Microsoft Academic Alliance许可，则会包含Microsoft Solver Foundation（MSF）企业版。 Gurobi也可用于学术目的，我在论文研究中使用过它。