降低算法的灵敏度

当所有其他方法都失败时，尝试以下参数使算法更健壮:

ScaleFlag, ObjScale(模型): 最好是自己重新制定一个模型。然而，对于不可能实现的情况，这两个参数提供了一些相同的好处。集ScaleFlag = 2为侵略性缩放系数矩阵。ObjScale重新缩放目标行;负值将使用最大的目标系数来选择缩放。例如,ObjScale = -0.5将所有客观系数除以最大客观系数的平方根。
NumericFocus(模型): 的NumericFocus参数控制求解器如何处理数值问题。手机万博登录设置1-3越来越多地将重点转向更关注数值计算，这可能会影响性能。的NumericFocusParameter采用了许多策略来改善数值行为，包括使用四轴精度和一个更紧密马科维茨宽容。一般来说，尝试不同的值就足够了NumericFocus．然而,当NumericFocus帮助数字，但使一切慢得多，你可以尝试设置四= 1和/或更大的值MarkowitzTol比如0.1或0.5。
NormAdjust(简单): 在某些情况下，求解器可以更强大的不同值手机万博登录的单一定价规范。尝试设置NormAdjust到0 1 2或3。
BarHomogeneous(障碍): 对于不可行或无界的模型，默认势垒算法可能存在数值问题。尝试设置BarHomogeneous = 1．
CrossoverBasis(障碍): 设置CrossoverBasis = 1需要更多的时间，但可以更强健时，创建最初的交叉基础。
GomoryPasses(MIP): 在一些MIP模型中，Gomory削减可能会导致数字问题。设置GomoryPasses = 0可能对数值有帮助，但可能会使MIP更难求解。
削减(MIP): 在一些MIP模型中，不同的切割会导致数值问题。设置削减= 1或削减= 0可能对数值有帮助，但可能会使MIP更难求解。

公差值(FeasibilityTol、OptimalityTol IntFeasTol)通常对解决数字问题没有帮助。通过模型模型的重新制定，可以更好地处理数值问题。