我应该使用哪种CPEX回调来解决子问题，并使用结果来帮助主问题作为惰性约束？

Question

我正在研究CPLEX上的MIP问题。主要模型目标是最小化一个函数，例如min f（x）。

以下步骤是我要做什么的想法：

1. 我想在找到可行的解决方案后暂停或终止-为此，我使用cplex.parameters.mip.limits.solutions.set（1）停止求解器
2. 然后，我想创建和解决另一个子问题，例如min g（x），其中g（x）的解决方案是主模型约束的一部分。
3. 获得子问题的解决方案后，我通过添加约束或可能的惰性约束回调为主要问题添加了约束。
4. 最后，主要模型已经成为我可以解决的新的更好的模型。

但是，我要迭代执行步骤1）到4），直到主模型最优为止。

由于它很复杂，我尚未完成此操作。如果有人可以指导，指出正确的方向或提供一些示例，我将不胜感激。

Answer 1

您所描述的正是可以使用惰性约束回调的情况：每当CPLEX找到新的可行候选方案时，都会调用该回调。您可以检查此解决方案。如果它违反了您的某些约束，则可以添加它们，CPLEX将放弃该解决方案。如果该解决方案可行，则让其通过，CPLEX将用作新的现有解决方案。

您可以使用旧版回调API或通用回调（自12.9版以来新增）来实现惰性约束回调。看一下CPLEX附带的示例bendersatsp.py和bendersatsp2.py。前者着重于功能__call__，后者着重invoke。用分隔您的约束的代码替换从那里调用的各种separate函数。