R中的长向量线性规划？答案

【问题标题】：Long Vector Linear Programming in R?R中的长向量线性规划？
【发布时间】：2015-05-05 17:51:21
【问题描述】：

您好，提前感谢您。在this question 之后，我获得了更多的内存，现在有足够的内存来容纳我运行线性规划求解器所需的所有矩阵。现在的问题是 R 中的线性规划包似乎都不支持长向量（即大矩阵）。

我分别尝试了 Rsymphony、Rglpk 和 lpSolve 包中的函数 Rsymphony_solve_LP、Rglpk_solve_LP 和 lp。都报告了与以下类似的错误：

Error in rbind(const.mat, const.dir.num, const.rhs) : 
  long vectors not supported yet: bind.c:1544

下面还有我的代码以防万一...约束矩阵mat 是我使用包bigmemory 创建的大矩阵（7062 行乘364520 列）。当我运行这条线时，矩阵会被拉入内存，然后过一会儿就会出现错误。

Rsymph <- Rsymphony_solve_LP(obj,mat[1:nrow(mat),1:ncol(mat)],dir,rhs,types=types,max=max, write_lp=T)

我猜这三个函数都存在硬编码错误？目前 R 甚至 Python 中是否有支持长向量的线性规划求解器？我应该联系包维护者还是自己编辑代码？谢谢！

【问题讨论】：

你的约束矩阵是稀疏的吗？如果是这样，您应该使用例如来自 lpSolveAPI 的set.row 稀疏地指定它们。如果它不是稀疏的，那么我想你无论如何都无法解决这么大的 LP。
@josilber 这不是稀疏的......但你是说我可能会运气好把它变成一个稀疏矩阵？
我的意思是，如果约束矩阵大多不为零，那么即使您将它放入求解器，求解该大小的 LP 在计算上也将具有挑战性。如果约束矩阵大多为 0，则绝对应该使用 LP 包的机制来输入稀疏矩阵。
@josilber 那里有相当数量的非零值，但决策变量将是二进制类型，所以它应该是可行的......我会更多地研究使用稀疏矩阵...是否有更好的特定包或使用稀疏矩阵语法的示例，您可以指出？谢谢！
@josilber，我已经能够使用 7038x196280 约束矩阵来做到这一点。你可以看到原始问题here，这是一个多功能问题。我最初确实使用遗传算法尝试过这个，但我没有太多经验。我觉得这应该是可行的。

标签： python r linear-programming large-data

【解决方案1】：

包lpSolveAPI 可以解决长向量线性规划问题。你必须先开始我声明一个线性规划对象，然后添加约束：

library(lpSolveAPI)

#Generate Linear Programming Object
lprec <- make.lp(nrow = 0 # Number of Constraints
                 , ncol = ncol(mat) # Number of Decision Variables
)

#Set Objective Function to Minimize
set.objfn(lprec, obj)

#Add Constraints
#Note Direction and RHS is included along with Constraint Value
for(i in 1:nrow(mat) ){
  add.constraint(lprec,mat[i,], dir[i], rhs[i])
  print(i)
}

#Set Decision Variable Type
set.type(lprec, c(1:ncol(mat)), type = c("binary"))

#Solve Model
solve(lprec)

#Obtain Solutions
get.total.iter(lprec)
get.objective(lprec)
get.variables(lprec)

这个包有很好的介绍here。

【讨论】：