Scipy.linprog的Gurobi风格模型构建？

Question

我想比较Gurobi和Scipy的线性编程工具，比如linprog。 SciPy的要求来指定一个问题，同时Gurobi就像here这样

m = Model() 
m.addVar(...) %for variables 
m.addConstr(..>) %for constraints 
m.update() %for updating the model 
m.optimize % for optimizing the model 
m.params %for getting parameters 
m._vars %for getting variables 

比较

Scipy

Minimize: c^T * x 

Subject to: A_ub * x <= b_ub 
A_eq * x == b_eq 


c : array_like 
Coefficients of the linear objective function to be minimized. 
A_ub : array_like, optional 
2-D array which, when matrix-multiplied by x, gives the values of the upper-bound inequality constraints at x. 
b_ub : array_like, optional 
1-D array of values representing the upper-bound of each inequality constraint (row) in A_ub. 
A_eq : array_like, optional 
2-D array which, when matrix-multiplied by x, gives the values of the equality constraints at x. 
b_eq : array_like, optional 
1-D array of values representing the RHS of each equality constraint (row) in A_eq. 
bounds : sequence, optional 

我的目标是把代码写在只有一个方法，仍然基准与两个结果求解。为了加快比较求解器：

1. 是否存在用于Scipy的LP问题的Gurobi式模型构造？

2. 是否存在一些包使两种方法可以互换（我可以为Gurobi编写scipy风格，或者为Scipy编写Gurobi风格）？

3. scipy会提供任何其他接口来指定线性编程问题吗？

Answer 1

这听起来像一个大量的工作，显示明显的：

• 商业求解像Gurobi是更快，远远超过非商业的更强大的
  • 也有高 - 通过H. Mittelmann（CLP和GLPK成为最受欢迎的非商用产品）的质量基准测试
• W hile scipy的linprog没问题，它比包括CBC/CLP，GLPK，lpSolve在内的开源竞争差得多......
  • 速度和鲁棒性！
  • 另外：SciPy的的linprog似乎真的没有维护open issues

有一些方法，你可以这样做：

• A）的问题定义的使用linprog的方式将它转换为古罗比风格
  • 非常容易转换矩阵格式到古罗比的造型
• B）使用cvxpy造型工具，grab the standard-form和写入Gurobi（实际上是一个包装：有一个）和linprog（又容易）。这将允许使用非常强大的建模语言
  • 缺点：根据问题的内在变换（例如，abs(some_vector)可能会引入辅助变量）
• C）写一些MPS阅读器/或采取一个从其他工具，以您模型中Gurobi问题，输出这些和阅读&
  • 候选工具中linprog解决：cvxopt's MPS阅读器（以及隐藏在文档），一些GLPK接口，甚至一些CBC接口
  • （也许隐藏变换）

无论您做什么，解决方案流程分析都将成为您的代码的重要组成部分，因为linprog可能会失败很多。它也无法处理大型稀疏模型。

备注根据您的gurobi，例如

• 你的榜样（TSP）是MIP，而不是一个LP
• 对于MIP，一切以上商用和开放之间获取的恶化（特别是性能上的差异说-source）
• scipy中没有MIP解算器！