docplex 模块中的相对 MIP 间隙容差

发布于 2025-01-17 21:22:17 字数 724 浏览 0 评论 0原文

我使用 Python 中的 docplex 模块求解多目标 MIP。由于问题相当大，我想设置一个相对的 MIP 间隙容差：parameters.mip.tolerances.mipgap (https://www.ibm.com/docs/en/icos/12.9.0?topic=parameters-relative-mip-gap-tolerance）。

在解决详细信息的文档中（https://ibmdecisionoptimization。 github.io/docplex-doc/mp/docplex.mp.sdetails.html）它说属性 mip_relative_gap “...返回1e+20 对于多目标 MIP 问题。”我可以确认这一点。

现在，我想知道如果我设置此参数（例如parameters.mip.tolerances.mipgap=0.2），CPLEX 会做什么。难道只是解决细节中没有显示正确的差距吗？我得到的解决方案是有间隙的解决方案吗（如果不是，我得到什么解决方案？）？有什么方法可以得到多目标问题中的 MIP 差距吗？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

南街女流氓 2025-01-24 21:22:17

您可以在多目标中设置每个目标的MIPGAP。

在

from docplex.mp.model import Model

mdl = Model(name='buses')

nbbus50 = mdl.integer_var(name='nbBus50')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')

cost = mdl.continuous_var(name='cost')
co2emission = mdl.continuous_var(name='co2emission')

mdl.add_constraint(nbbus50*50+nbbus40*40 + nbbus30*30 >= 200, 'kids')
mdl.add_constraint(co2emission==nbbus50+nbbus40*1.1+nbbus30*1.2)
mdl.add_constraint(cost==nbbus40*500 + nbbus30*400+nbbus50*625)
                
sense="min"
exprs=[cost,co2emission]
priorities=[1,2]
weights=[1,1]
timelimits=[5, 10]

mdl.set_multi_objective(sense, exprs, priorities, weights, abstols=None,
                        reltols=None, names=None)

mdl.solve(lex_mipgaps = [0.001, 0.05], log_output=True,lex_timelimits = timelimits)

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

print("The minimum cost is ",cost.solution_value);
print("CO2 emission is ",co2emission.solution_value);

href =

lex_mipgaps = [0.001, 0.05]

”

you can set mipgap per objective in the multiobjective.

In Easy optimization with python in the multi objective example

from docplex.mp.model import Model

mdl = Model(name='buses')

nbbus50 = mdl.integer_var(name='nbBus50')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')

cost = mdl.continuous_var(name='cost')
co2emission = mdl.continuous_var(name='co2emission')

mdl.add_constraint(nbbus50*50+nbbus40*40 + nbbus30*30 >= 200, 'kids')
mdl.add_constraint(co2emission==nbbus50+nbbus40*1.1+nbbus30*1.2)
mdl.add_constraint(cost==nbbus40*500 + nbbus30*400+nbbus50*625)
                
sense="min"
exprs=[cost,co2emission]
priorities=[1,2]
weights=[1,1]
timelimits=[5, 10]

mdl.set_multi_objective(sense, exprs, priorities, weights, abstols=None,
                        reltols=None, names=None)

mdl.solve(lex_mipgaps = [0.001, 0.05], log_output=True,lex_timelimits = timelimits)

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

print("The minimum cost is ",cost.solution_value);
print("CO2 emission is ",co2emission.solution_value);

you will notice