Question

我正在使用带有Pyomo的具体模型（使用GLPK），其中每年每天进行两次优化，但是在测试运行（仅几天）期间，MIP差距有时会非常高（大约8％）在时间限制之后。我希望存储（在一个数据帧中）每次优化所用的时间以及达到的MIP差距，因此我可以了解一下a）平均优化需要多长时间，b）结果与优化之间的接近程度。如何获取这些数据？我还没有找到一种方法。

使用的代码和数据太长，无法共享，但这就是我调用求解器并给出时间限制和间隔标准的方式：

model = create_model(parameters_a, parameters_b)
solver = SolverFactory('glpk')
solver.options["mipgap"] = 0.01
solver.options["tmlim"] = 1000
solver.solve(model, tee=True, symbolic_solver_labels=False)

Answer 1

Python有多种计时工具，可能很有用。您还可以通过solve()调用检查返回对象的内容：

import time
start = time.time()

results = solver.solve(model, tee=True)
print(results)

end = time.time()
print(end - start)

在Pyomo中使用GLPK优化后，如何检索使用的时间和相对MIP差距？

1 个答案: