PuLP编程输出

Question

我正在与一位合作者合作进行一个涉及线性规划的优化项目。我们都用硬币或分支和切割的解决方法来解决问题。我使用基于Python的.LP包构建PuLP文件。我不完全确定协作者如何创建他们的.LP文件(肯定不使用.LP )，但本质上，我们有两个不同的系统为完全相同的问题生成.LP文件，即目标函数、变量、约束是完全相同的。

我通常在Python (myProblm.solve())中解决我的问题，但我也一直在生成一个.LP文件，并从命令行调用一个CBC解决程序来解决这个文件(问题)。接下来，我将从我的系统( Python或命令行)获得的输出与我的协作者获得的输出进行比较。请注意，无论是在PuLP中还是在命令行中，我这边问题的输出都是完全相同的。

我们之间的目标函数的值是很好的匹配，但其他细节并不完全匹配。例如，如果我们要解决这个威士忌混合问题，配料的总成本将是完全相同的，但成分的比例不同。知道为什么会这样吗？

我手动比较了我们的.LP文件，并注意到了一些不同之处。首先，约束和变量的顺序是不同的。换句话说，如果有5个约束，我的文件将它们列为C1,C2,C5,C4,C3，而相同的约束将被列为C1,C2,C3,C4,C5。此外，我的Python代码将所有的数字都舍入10的位置，而他的系统则将它们循环到1的位置。因此，其中一些变量的系数值略有不同。

这些差异在求解器的精确输出中起着作用吗？

另外，下一个问题是:在求解线性规划优化问题时，我们应该做些什么才能得到完全相同的输出？哪些因素影响LP问题的解决？像.LP文件的结构这样的因素是否起作用？如果在不同的计算机上运行相同的LP文件，条件完全相同，我会得到完全相同的输出吗？

Answer 1

由于具有相同最优目标函数的LP问题有多个解，不同的求解者不能保证返回相同的解。当MIP问题使用分支和边界时，这个问题就变得更加复杂。使用多线程或多处理几乎是不可能的。

总之，为了得到相同的解决方案，要么生成完全相同的LP文件，要么用相同的求解器进行求解。或者改变你的目标函数，这样就只有一个最优的解决方案(也许更喜欢一些配料的排序，而对成分的成本有一点改变)。