降低算法的灵敏度
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。