我的模型是否有数值问题？

您可以按照以下步骤帮助确定模型是否遇到数字问题：

通过导出模型文件和参数文件来隔离模型进行测试。最简单的方法是创建一个gurobi.env.包含以下行的工作目录中的文件：
```
记录1
```
然后，运行您的Gurobi程序，将产生gurobi.rec.文件。之后，您可以使用此录制文件重放gurobi_cl.。
使用Gurobi Interactive shell，运行一些简单的Python代码来读取重播生成的模型，并打印汇总统计信息:
```
m =读（'gurobi.rew'）m.printstats（）
```
输出看起来像：
```
模型统计数据（null）：线性约束矩阵：25050约束，15820 var，94874 nzs变量类型：14836连续，984整数矩阵系数范围：[0.00099,6e + 06]目标系数范围：[0.2,65]可变绑定范围：[1,5E + 07] RHS系数范围：[1,5E + 07]
```
数值系数的范围是潜在数值问题的一个指示。作为一个非常粗略的准则，最大与最小系数的比率应该小于;较小更好。
在此示例中，矩阵范围是

$\ begin {displaymath} 6 \ cdot10 ^ 6/0.00099 = 6.0606 \ cdot10 ^ 9. \结束{displaymath}$

如果可能的话，使用相同的参数重新解析模型并检查日志。使用Python shell，使用如下所示的代码：

m.read（'gurobi.prm'）m.optimize（）

以下是建议数字问题的警告消息的一些示例：

警告：模型包含大的矩阵系数范围，考虑重新设置模型或设置NumericFocus参数以避免数值问题。警告：Markowitz宽容收紧到0.5警告：切换到四边形精度数字误差遇到重启交叉的数值故障......次优终止警告：...从基础警告中删除的变量：未划算的原始违规= ......。警告：未划分的双违规= ......和残差= ...

当。。。的时候优化功能完成，打印解决方案统计信息。使用Python shell，使用如下所示的代码：
```
m.printquality（）
```
这提供了解决方案质量摘要：
```
型号型号未命名的解决方案质量统计：最大违规：绑定：2.98023224E-08（X234）约束：9.30786133E-04（C5）完整性：0.0000000000 + 00
```
大于公差的违规是数值问题的另一个指示。此外，对于纯LP（没有整数变量），通过以下Python命令打印条件号：
```
M.Kappaexact.
```
条件号测量线性计算中误差的可能性;一个大的条件号，如 $ $ 10 ^ {12} $ $ ，是另一个可能的数字问题的指示，看这个有关更多详细信息的部分。
如果改变参数（例如，方法或种子)会导致不同的优化状态(例如，不可行代替最佳）或者如果最佳客观值改变，这通常是数值问题的标志。为了进一步评估此，您可以收紧公差（到订单） $ $ 10 ^ { - 8} $ $ 甚至 $ $ 10 ^ { - 9} $ $ ），看看求解器的行为是否再次变得一致。手机万博登录请注意，收紧公差通常以更高的计算时间的价格出现，不应被视为用于数值问题的解决方案。