我有一个 MIP 要使用 Pyomo 求解，并且我想为 cplex 设置初始解决方案。 所以谷歌搜索我发现我可以将实例的某些变量设置为某个值，然后执行此操作:
solver.solve(实例,warmstart=True,tee=True)
但是当我运行 cplex 时，它似乎没有使用热启动，因为例如我传递了一个值为 16 的解决方案，但在 5 秒内它返回了一个值为 60 的解决方案。 所以我不知道有什么错误或其他不起作用的东西。
附注 我不知道这是否是一个问题，但我的热启动解决方案仅将一些变量设置为一个值，但不是全部。可能有问题吗？
最佳答案
确保您向 CPLEX 提供的解决方案可行。否则，CPLEX 将拒绝它并从头开始。
如果您的解决方案可行，则 CPLEX 可能只是找到了比您的解决方案更好的解决方案，因为毕竟这是 CPLEX 的工作，并且根据我自己的经验，CPLEX 非常擅长于此。这是一个最大化问题吗？如果是这样，在您的示例中，CPLEX 找到了比您的解决方案 (objective=16) 更好的解决方案 (objective=60)，这是预期的行为。
遗憾的是，CPLEX 在冗长方面通常很贪婪，因此很难从求解器日志中知道是否使用了热启动(不像其竞争对手 GUROBI，它清楚地写在日志中)。但是，您似乎使用 warmstart=True 参数正确启动了热启动。
但是，如果您的问题不是最大化问题，则 CPLEX 可能不会区分您指定值的变量和仍保留上次求解结果的变量。另外，考虑到所有未手动指定的值都是 CPLEX 之前找到的值，仅向一小部分变量赋予值可能会使问题变得不可行。例如:约束 x<=2y。求解器发现 x=2, y=1 作为可行解。您定义 x:=3，则不遵守您的约束(对于 CPLEX，y 仍然 =1，因此约束 x<=2y 为 3<=2，这是错误的)。 CPLEX 将认为它不可行并拒绝您的解决方案。
如果您绝对想在最终解决方案中使用自己的值，我可以为您提供的一个替代方案是，不要为变量定义值，而是创建一个显式定义变量值的约束。如果需要，此约束随后可以被“停用”。但要小心，因为这并不一定会产生最优解，而是“当某些变量具有特定值时的最优解”。
关于python - Pyomo 热启动，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55250019/