公差和用户缩放

Gurobi将解决用户定义的模型。但是，在评估候选解决方案的可行性时，为了考虑浮点评估中可能的循环错误，我们必须允许一些容忍。

更精确，令人满意最佳条件要求我们至少测试以下三个标准：

intfeastol.: 解决方案的完整性，即是一个整数变量占用整数值。更确切地说，将被考虑不可缺少的如果ABS（X地板（X + 0.5））intfeastol.。
可行性托尔: 原子约束的可行性，即 $ $ a \ cdot x \ leq b $ $ 持有原始解决方案。更确切地说， $ $ a \ cdot x \ leq b $ $ 将被视为持有（a * x） - b可行性托尔。
OptimalAlatialTol.: 双限制的可行性，即是 $ $ a \ cdot y \ leq c $ $ 持有双解决方案。更确切地说， $ $ a \ cdot y \ leq c $ $ 将被视为持有（a * y） - cOptimalAlatialTol.。

注意这些公差是绝对;它们不依赖于计算中涉及的数量的规模。这意味着在制定问题时，应考虑这些公差，特别是选择将表示变量和约束的单位。

注意到这些是非常重要的容忍隐含地定义A.灰色区域在搜索空间中，在哪个稍微不可行的解决方案仍可被接受可被接受可行。但是，求解器不会明确搜索此手机万博登录类解决方案。

出于这个原因，实际上是可能的（尽管对于要报告的模型来说，它是非常不太可能的问题，但是既有良好的问题）可行的和不可行（在上面所述的意义）。如果模型在精确算术中不可行，则可以发生这种情况，但是存在在求解器公差内是可行的解决方案。手机万博登录例如，考虑：

$ $ \ begin {array} {lll} {lll} \ min＆0 \\ s.t.＆x \ leq＆0 \\＆x \ geq＆10 ^ { - 10} \\ \ end {arrow} $ $

小节