用 cplex 迭代求解？

Question

我正在尝试通过 python 解决一个带有 cplex 和 pyomo 的优化程序。我想迭代地解决它，在每次迭代中我改变变量为二进制的时间段。（例如，在第一次迭代中，我用变量在前 100 小时内保持二进制，而在其他小时内变量是连续的，所以在第二次迭代中，接下来的 100 小时内只有变量是二进制的，依此类推......）。我正在尝试一个while循环，其中求解器使用for循环在不同的时间范围内工作（如果需要，我可以添加代码）。但它似乎太慢了，也许我的周期不正确。有一种更快的方法来编写这个并解决很多时间一个模型迭代？ 谢谢

Answer 1

可以使代码更快的是在搜索中使用热启动而不是从零开始。见Saving a .sol file from one instance and using it as WARM_START for another instance on PYOMO

import pyomo.environ as pyo
from pyomo.opt import SolverFactory

opt = pyo.SolverFactory('cplex')

model = pyo.ConcreteModel()

model.nbBus = pyo.Var([40,30], domain=pyo.PositiveIntegers)

model.OBJ = pyo.Objective(expr = 500*model.nbBus[40] + 400*model.nbBus[30])

model.Constraint1 = pyo.Constraint(expr = 40*model.nbBus[40] + 30*model.nbBus[30] >= 300)


model.nbBus[40]=8
model.nbBus[30]=1

results = opt.solve(model,warmstart=True)

print("nbBus40=",model.nbBus[40].value)
print("nbBus30=",model.nbBus[30].value)

在 docplex CPLEX API 中，您可以做一些incremental changes

from docplex.mp.model import Model

# original model

mdl = Model(name='buses')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)

mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

#now 350 kids instead of 300

print()
print("now 350 kids instead of 300")    
    
mdl.get_constraint_by_name("kids").rhs=350;
mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

# no more than 4 buses 40 seats

print()
print("no more than 4 buses 40 seats")


mdl.get_var_by_name("nbBus40").ub=4
mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

#change the objective so that cost for 40 seats is 450
#and remove the limit on the number of buses 40 seats

print()
print("change the objective so that cost for 40 seats is 450")
print("and remove the limit on the number of buses 40 seats  ")  
    
mdl.get_var_by_name("nbBus40").ub=1000
mdl.set_objective("min",nbbus40*450 + nbbus30*400);
mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

Answer 2

如果您使用通常的pyomo.environ.SolverFactory 方法，这会为您的模型创建一个instance，然后生成一个.lp 文件，通过shell 命令发送到求解器，求解器解决问题并生成一个@ 987654326@ 文件并将其加载回模型。要解决模型中一些增量更改的相同问题，您可以使用Persisten Solver Interface。这将从pyomo 模型创建一个gurobipy 或docplex（分别用于gurobi 和cplex 求解器）模型，那么使用这种方法可能会更快更好。还有 de APPSI interface 但我从未使用过它。