scipy - 使用SCIP的CPLEX vs CPLEX的速度

我是LP新手，在Python中仅简要使用过PuLP。

为什么SCIP 3.2.1 - CPLEX 12.63和CPLEX 12.6.3之间存在速度差异？ SCIP仍不使用CPLEX解决吗？

为什么有人将SCIP与CPLEX求解器一起使用，而不是直接使用CPLEX？

最佳答案

这有什么区别

该图未显示LP基准，而是混合整数编程基准。

混合整数编程求解器通常使用基于分支剪切的的算法(包括启发式算法和co。)，其中会解决很多的松弛(按顺序；将二进制/整数变量视为连续的)产生 LP问题)。

然后一个决定就是选择如何解决这些松弛的子问题。最简单的决定(还有很多决定;例如，调整 Simplex-algorithm 的参数;在解决非线性圆锥形目标问题时会变得更加复杂)是选择LP解算器。

SoPlex 是SCIP团队的LP解决方案实现。意义:

SCIP-SoPlex将使用SCIP的MIP算法(处理分支，切割生成和合作)，并使用SoPlex作为内部LP子问题的求解器

SCIP-CPLEX将使用SCIP的MIP算法，并使用CPLEX作为内部LP子问题的求解器

为什么将SCIP与CPLEX结合使用(而不是使用纯CPLEX方法)

为什么不是那么容易解释。

请记住，所有MIP求解器都是基于启发式的，并且在某些问题上，SCIP将比CPLEX 更快(尽管选择了基础的LP求解器)。

一些理论的关键字:(MIP的)NP硬度和没有免费的午餐定理

更快可能意味着:由于基于MIP的策略而更快，而不是底层LP求解器的速度，因此您甚至可以在子问题上使用CPLEX来获得整体加速!

就参数和(内部算法组件的)可访问性而言，两个求解器(MIP求解器)可能也与不同。显而易见，您可以使用比CPLEX(因为它是开源的)更为通用的方式来调整SCIP

正如注释中提到的 mattmilten :SCIP和CPLEX在支持可以解决的问题类别方面也有所不同。这样的一个例子可能是一些special nonlinear-constraints(导致MINLP)的可能性。使用SCIP解决此类问题，仍可以在内部使用CPLEX的LP-solver(与上面的参数相同)

关于scipy - 使用SCIP的CPLEX vs CPLEX的速度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/39924316/