使用Cplex回调加速LP程序

Question

我有一个Cplex程序，正在其中寻找最佳解决方案。不幸的是我的Cplex工作太慢。 在运行Cplex之前，我可以使用一些启发式方法以获得相对较好的解决方案。

问题： 我如何使用这些知识（即知道一个好的解决方案）来按程序加速？

解决方案尝试： 我正在尝试使用Cplex.start.set_start（来自CPLEX Python API）。但是，我不知道如何引入变量。

例如，除其他变量外，我还有：x1p3 = 0和x7p2 = 1。

我在如下情况下查看了set_start定义：set_start（self，col_status，row_status，col_primal，row_primal，col_dual，row_dual），但这并不能帮助我理解问题。

Answer 1

在开始求解模型之前，您可以做一些事情。但是，无需使用CPLEX回调。

1. 您可以使用预处理算法来修复模型中的变量

   • 有两种预处理算法：精确和启发式。确切的预处理当然不会影响您的最佳解决方案；另一方面，启发式预处理可能会削减您的最佳解决方案。

2. 使用启发式方法为您的问题计算良好的界限。

   • 同样，您有两种边界类型： primary 边界和 dual 边界。这样的边界可以用来加速分支定界算法，因为它会引起分支树的某些削减
   • 如果使用原始启发式，则可以使用其解决方案为CPLEX提供所谓的 warm start 。这是与通常的解决方案不同的初始解决方案，它也可以加快模型的解析速度。