GuRObi数值问题指南
GuRObi数值问题指南
数值不稳定性是通常应用于解决优化模型的情况的通用标签，其产生不稳定，不一致或意外的结果，或者当下算法表现出差差的性能或无法收敛时。这种行为有许多潜在的原因;但是，大多数可以分为四类：
- 构建模型时舍入系数。
- 浮点算术的局限性。
- 关于可实现的精确度的不切实际的期望。
- 疾病调节，或几何诱导的问题。
本节介绍了这些问题以及它们如何影响性能和解决方案质量。我们还提供一些一般规则和一些先进的技术来帮助避免它们。虽然我们将单独对待这四个来源中的每一个，但重要的是要记住，他们的效果通常彼此吞噬。我们还提供有关如何在模型中诊断数值不稳定的提示。
最后，我们讨论了可以修改的Gurobi参数以提高解决方案准确性。然而，我们现在应该强调，提高数值行为和性能的最佳方式是重新重新设计您的模型。参数可以帮助管理数值问题的效果，但它们可能会产生限制，并且通常具有实质性的性能成本。
小节