python - PuLP 编程输出

Question

我正在与一位合作者合作开展某个涉及线性规划的优化项目。我们都使用硬币或分支切割求解器来解决这个问题。我使用基于 Python 的 PuLP 包构建 .LP 文件。我不完全确定合作者如何创建他们的 .LP 文件(绝对不使用 Python)，但本质上，我们有两个不同的系统为完全相同的问题生成 .LP 文件 - 即目标函数、变量、约束完全相同.

我通常在 Python 中解决我的问题 (myProblm.solve())，但我也生成了一个 .LP 文件并从命令行调用 CBC 求解器来解决该文件(问题)。接下来，我将从我的系统(Python 或命令行)获得的输出与我的协作者获得的输出进行比较。 [请注意，无论是在 PuLP 中还是在命令行中解决，我这边问题的输出完全相同。]

我们之间的目标函数值非常匹配，但其他细节并不完全匹配。例如，如果我们要解决 this Whiskas blending problem ，成分的总成本完全相同，但成分的比例不同。知道为什么会这样吗？

我手动比较了我们的 .LP 文件并注意到了一些差异。对于初学者来说，约束和变量的顺序是不同的。换句话说，如果有 5 个约束，我的文件将它们列为 C1,C2,C5,C4,C3，而相同的约束将列为 C1,C2,C3,C4 ,C5。另外，我的 Python 代码将所有数字四舍五入到 10 的位置，而他的系统将它们四舍五入到 1 的位置。因此，某些变量的系数值略有不同。

这些差异对求解器的精确输出有影响吗？

此外，下一个延伸问题是:在解决线性规划优化问题时，我们应该怎样做才能获得完全相同的输出？哪些因素影响LP问题的解决？ .LP 文件的结构等因素会起作用吗？如果我在不同的计算机上以完全相同的条件运行相同的 LP 文件，我会得到完全相同的输出吗？

Answer 1

由于具有相同最优目标函数的 LP 问题存在多个解，因此不同的求解器不能保证它们会返回相同的解。当 MIP 问题使用分支定界时，这个问题变得更加复杂。使用多线程或多处理几乎不可能。

总之，要获得相同的解决方案，请生成完全相同的 LP 文件并使用相同的求解器进行求解。或者更改目标函数，以便只有一个最佳解决方案(也许更喜欢对成分进行某种排序，并对成分的成本进行微小的改变)。