预溶

Gurobi-presolve算法旨在使模型更小、更易于求解。然而，在某些情况下，预解可能会导致数值问题。下面的Python代码可以帮助您确定是否发生了这种情况。首先，读取模型文件并打印预解析模型的摘要统计信息：

m=read（'gurobi.rew'）p=m.presolve（）p.printStats（）

如果数值范围看起来比原始模型差得多，请尝试使用参数聚合=0:

m、 重置（）m.Params.Aggregate=0 p=m.presolve（）p.printStats（）

如果生成的模型在数值上仍然存在问题，则可能需要使用参数完全禁用预解算预溶=0; 使用以下命令尝试上述步骤：

m、 重置（）m.Params.Presolve=0 p=m.Presolve（）p.printStats（）

如果统计数据与聚合=0或预溶=0，您应该进一步测试这些参数。对于连续（LP）模型，可以直接测试它们。对于MIP，您应该比较有和没有这些参数的LP松弛。以下Python命令创建三个LP松弛：不带预解的模型、带预解的模型和带预解的模型聚合=0:

m=read（'gurobi.rew'）r=m.relax（）r.write（'gurobi.relax nopre.rew'）p=m.presolve（）r=p.relax（）r.write（'gurobi.relax pre.rew'）m.reset（）m.Params.Aggregate=0 p=m.presolve（）r=p.relax（）r.write（'gurobi.relax-agg0.rew'））

对于这三个文件，使用前面提到的技术来确定预溶=0或聚合=0改进LP松弛的数值计算。

最后，如果聚合=0有助于计算，但会使模型太慢，请尝试AggFill=0相反