我正在使用SCIPAMPL来解决混合整数非线性规划问题(MINLP) . 在大多数情况下,它一直运行良好,但我找到了一个解决方案错误地检测到不可行性的实例 .
set K default {};
var x integer >= 0;
var y integer >= 0;
var z;
var v1{K} binary;
param yk{K} integer default 0;
param M := 300;
param eps := 0.5;
minimize upperobjf:
16*x^2 + 9*y^2;
subject to
ll1: 4*x + y <= 50;
ul1: -4*x + y <= 0;
vf1{k in K}: z + eps <= (x + yk[k] - 20)^4 + M*(1 - v1[k]);
vf2: z >= (x + y - 20)^4;
aux1{k in K}: -(4*x + yk[k] - 50) <= M*v1[k] - eps;
# fix1: x = 4;
# fix2: y = 12;
let K := {1,2,3,4,5,6,7,8,9,10,11};
for {k in K} let yk[k] := k - 1;
solve;
display x,y,z,v1;
求解器在预解算阶段检测不可行性 . 但是,如果取消注释将x和y固定为4和12的两个约束,则求解器将工作并输出正确的v和z值 .
我很好奇为什么会发生这种情况,以及我是否可以用不同的方式来解决问题以避免它 . 我得到的一个建议是不可行性检测通常不是非常好的非凸问题 .
编辑:我应该提到这不仅仅是一个SCIP问题 . SCIP恰好用这个特定的K集来解决问题 . 例如,如果我使用bonmin,另一个全局MINLP求解器,我可以解决这个特定K的问题,但是如果你将K扩展到15,那么bonmin检测到不可行性问题仍然可行 . 对于那个K,我还没找到一个真正有效的解算器 . 我也尝试过基于FILTER的minlp求解器 . 我还没有尝试BARON因为它只需要GAMS输入 .
2 回答
关于建模问题的评论非常好,例如,对原始问题的评论中的big-M约束 . 数值问题确实会引起麻烦,尤其是在存在非线性约束时 .
根据您想深入了解的程度,我会看到3个选项:
numerics/feastol
,numerics/epsilon
和numerics/lpfeastol
来降低数值精度 . 您可以将以下行保存在文件"scip.set"中,并将其保存到您调用scipampl
的工作目录中:#绝对值小于此值#[type:real,range:[1e-20,0.001],默认值:1e-09] numerics / epsilon = 1e-07
#小于此值的和的绝对值被认为是零#[type:real,range:[1e-17,0.001],默认值:1e-06] numerics / sumepsilon = 1e-05
#约束的可行性容差#[type:real,range:[1e-17,0.001],默认值:1e-06] numerics / feastol = 1e-05
#pp解算器的原始可行性公差#[类型:实际,范围:[1e-17,0.001],默认值:1e-06]数字/ lpfeastol = 1e-05
您现在可以通过修改文件
scip.set
在scipampl
内测试不同的数值精度通过修复
x
和y
-variables保存您获得的解决方案 . 如果您将此解决方案传递给没有固定的模型,则会收到导致不可行性的消息 . 通常,您会收到一条消息,表明某个变量绑定或约束在公差范围之外略有违反 .如果您想准确了解哪个预分析器解决方案变得不可行,或者前一种方法没有显示任何违规,SCIP提供读取调试解决方案的功能;通过取消注释
src/scip/debug.h
中的行来指定解决方案文件"debug.sol"/* #define SCIP_DEBUG_SOLUTION "debug.sol" */
并使用重新编译SCIP和SCIPAmpl
make DBG=true
SCIP针对每个预处理减少检查调试解决方案并输出导致故障的预分解器 .
我希望这对你有用 .
深入研究这个实例,SCIP似乎在预测中做错了 .
在cons_nonlinear.c:7816(函数consPresolNonlinear)中,删除该行
这样就可以在任何情况下执行SCIPexprgraphPropagateVarBounds .
这似乎解决了这个问题 .