我正在处理一些非常大规模的线性规划问题。 (矩阵目前大致为1000x1000,这些都是'迷你')。GLPK线性规划
我以为我的程序运行成功,只有我意识到我得到了一些非常不直观的答案。例如,假设我将x + y + z最大化,并受到一组约束条件的约束x + y < 10和y + z < 5.我运行此并获得最佳解决方案。然后,我运行相同的方程,但具有不同的约束:x + y < 20和y + z < 5.然而在第二次迭代中,我的最大化减少了!
我苦心经历并向我保证约束正确加载。
有谁知道这个问题可能是什么?
我在关于lpx_check_kkt的文档中发现了一些东西,它似乎告诉你什么时候你的解决方案可能是正确的或者信心很高(或者对于这个问题信心不足),但是我不知道如何使用它。
我做了一个尝试,并得到错误消息lpx_check_kkt未定义。
我添加了一些代码作为附录,希望有人能找到一个错误。 这样做的结果是它声称已找到最佳解决方案。然而,每次我提出一个上限时,它都不太理想。
我已经确认我的边界正在上升而不是下降。
size = 10000000+1
ia = intArray(size)
ja = intArray(size)
ar = doubleArray(size)
prob = glp_create_prob()
glp_set_prob_name(prob, "sample")
glp_set_obj_dir(prob, GLP_MAX)
glp_add_rows(prob, Num_constraints)
for x in range(Num_constraints):
Variables.add_variables(Constraints_for_simplex)
glp_set_row_name(prob, x+1, Variables.variers[x])
glp_set_row_bnds(prob, x+1, GLP_UP, 0, Constraints_for_simplex[x][1])
print 'we set the row_bnd for', x+1,' to ',Constraints_for_simplex[x][1]
glp_add_cols(prob, len(All_Loops))
for x in range(len(All_Loops)):
glp_set_col_name(prob, x+1, "".join(["x",str(x)]))
glp_set_col_bnds(prob,x+1,GLP_LO,0,0)
glp_set_obj_coef(prob,x+1,1)
for x in range(1,len(All_Loops)+1):
z=Constraints_for_simplex[0][0][x-1]
ia[x] = 1; ja[x] = x; ar[x] = z
x=len(All_Loops)+1
while x<Num_constraints + len(All_Loops):
for y in range(2, Num_constraints+1):
z=Constraints_for_simplex[y-1][0][0]
ia[x] = y; ja[x] =1 ; ar[x] = z
x+=1
x=Num_constraints+len(All_Loops)
while x <len(All_Loops)*(Num_constraints-1):
for z in range(2,len(All_Loops)+1):
for y in range(2,Num_constraints+1):
if x<len(All_Loops)*Num_constraints+1:
q = Constraints_for_simplex[y-1][0][z-1]
ia[x] = y ; ja[x]=z; ar[x] = q
x+=1
glp_load_matrix(prob, len(All_Loops)*Num_constraints, ia, ja, ar)
glp_exact(prob,None)
Z = glp_get_obj_val(prob)
您是否设定了最大化的客观方向?默认值是最小化,根据你所说的看起来你没有,或者至少可以解释为什么你的目标正在下降。 – Ali 2013-02-20 18:51:38
我知道 - 我以为同样的事情!但我已经过检查和三重检查。这对我来说太奇怪了。代码相当麻烦,因此我没有发布它,但也许我应该。我觉得我一定在做错事。我会看看我是否可以找到一段有用的代码发布。 – 2013-02-20 19:27:59