Pyomo 并行处理解决实例答案

【问题标题】：Pyomo parallel processing to solve an instancePyomo 并行处理解决实例
【发布时间】：2018-08-25 18:46:05
【问题描述】：

我正在遵循here 的步骤，以便使用我所有的计算能力（10 核 Intel i9 CPU）并求解单实例抽象 Pyomo 模型。但是，求解器似乎只使用一个 CPU 内核，需要 2 天以上才能返回 50 个节点输入的解决方案（10 个节点只需要几秒钟。）关于使 Pyomo 模型运行的任何帮助都可用CPU 内核？

谢谢

【问题讨论】：

哪个求解器？怎么编译的？怎么叫？您对收益有何期望？（我不希望超过 2 或类似的加速；但这当然取决于许多细节）
取决于求解器和模型。一些求解器是单线程的，另一些是并行运行的。通常，MIP 模型可以从并行处理中获益良多。 LP 没有那么多（一些内点方法做得很合理）。请注意，您需要大量内存才能让求解器在多个内核上并行运行模型。
除了@sascha 的问题，你能告诉我们一些关于当前时间的事情吗？生成 Pyomo 模型需要多长时间？在求解器中花费了多少时间？如果 Pyomo 一直持续下去，那可能是由于您声明约束的方式相对容易解决的问题。另外，什么样的模型（LP/MIP/NLP/MINLP？随机？）？
我正在处理一个 MILP 模型并使用 GLPK。模型几乎是立即创建的，求解器调用部分如下opt = SolverFactory('glpk') instance = model.create_instance("scenario1.dat") results = opt.solve(instance, tee=True) instance.solutions.load_from(results) 正如所料，模型仍在运行（现在已经超过 2 天），我的 CPU 使用率低于 20%，这只是少数核心，所以我只想知道它当前是否正在并行处理，或者是否有余地来改善其运行时间。
GLPK 是一个串行求解器（即单线程）。您可以尝试 CBC 或 Cplex 或 Gurobi 等商业求解器。这些求解器具有并行功能。

标签： python parallel-processing mathematical-optimization pyomo

【解决方案1】：

感谢@Erwin Kalvelagen 指出 GLPK 的串行性质，在做了一些实验后，我迁移到了 Gurobi，现在我所有的 10 个 CPU 内核都被 Pyomo 模型使用。

【讨论】：

【解决方案2】：

这可能只是您的语法错误。尝试将 Arduino 用于 C++。 I9 处理器不支持 Five.9 服务器等其他处理器。请注意，可能会发生覆盖以烧毁您的 i9。

【讨论】：