-1
Pyomo를 사용하여 최적화 문제 (MILP)를 모델링하고 Gurobi를 사용하여 해결했습니다.휴리스틱 솔버에서 Pyomo 사용
Python 모델을 사용하여 휴리스틱 솔루션을 찾는 가장 빠르고, 가장 쉬운 방법은 무엇입니까? 갭 경계는 신경 쓰지 않습니다.
노트 : 저는 Gurobi가 경험적 솔버를 가지고 있지만 그들이 사용하는 휴리스틱 알고리즘을 알지 못합니다!
A
답변
1
일부 MILP 문제에 대한 경험적 해결책을 찾는 것은 그것을 최적화하는 것만 큼 복잡합니다.
일반적으로 가장 빠르고, 가장 쉬운 방법은 없습니다. 당신은 항상 어떤 문제 특성을 이용하려고합니다.
먼저 MIP 솔버를 사용하고 필요에 맞게 매개 변수를 조정하십시오. 만약 당신이 어떤 휴리스틱 솔루션을 원한다면 풀이 가능성을 위해 솔버를 조정하십시오. 아마도 가장 높은 빈도의 휴리스틱 스 단계를 의미하고 첫 번째 가능한 솔루션으로 조기 정지하십시오.
예, 내부적으로 Gurobi가 무엇인지 알 수 없습니다. 그러나 모든 코드를 아는 것이 많은 도움이되지는 않습니다. 그것은 분명히 (내가이 N eighborhood 의 earch를 nduced feasibility pump 또는 R elaxation 같은 고전 물건을 제외하고) 당신이 다음 위키 피 디아에서 찾을 수있는 일이 아니다.
이러한 방법에 대해 더 자세히 알고 싶다면 MIP- 휴리스틱 스에 대한 일반적인 내용을 확인하십시오! 대부분의 경험적 연구는 문제의 MIP 특성과 밀접하게 결합되어 있음을 알 수 있습니다 (상업적으로도 SAT-solver-usage를 사용하기를 기대합니다).