我正在处理一些非常大规模的线性规划问题。(矩阵目前大约是1000x1000,而这些只是“小型”矩阵。)
我曾以为我的程序成功运行了,只是现在我意识到我得到了一些非常不直观的答案。例如,假设我想要最大化x+y+z,受到一组约束条件x+y<10和y+z<5的限制。我运行它并获得了最优解。然后,我再运行同样的方程但是使用不同的约束条件:x+y<20和y+z<5。然而,在第二次迭代中,我的最大化结果下降了!
我费尽心思地检查过了约束条件是否正确加载。
有人知道可能是什么问题吗?
我在文档中找到了关于lpx_check_kkt的一些内容,似乎可以告诉你何时您的解决方案可能是正确或高置信度(或者也可能是低置信度),但我不知道如何使用它。
我尝试了一下,但出现了错误信息lpx_check_kkt未定义。
我附加了一些代码,希望有人能找到一个错误。结论是它声称已经找到了最优解。然而,每次我提高上限时,它都变得不那么优秀。
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)