数值问题指南
数值不稳定是一个通用的标签通常应用于解决的情况下一个优化模型产生的结果是不稳定的,不一致的,或意外,或者当底层算法表现出较差的性能或无法收敛。有很多这种行为的潜在原因;然而,大多数可以分为四类:
- 舍入系数在构建模型。
- 浮点算术的局限性。
- 不切实际的期望实现的精度。
- 生病的条件反射,或geometry-induced问题。
本节解释这些问题以及它们是如何影响性能和质量的解决方案。我们还提供一些一般规则和一些先进的技术来帮助避免它们。尽管我们将每个单独这四个来源,重要的是要记住,他们彼此常食的影响。我们还提供如何诊断模型的数值不稳定。
最后,我们讨论的Gurobi参数可以被修改以提高精度的解决方案。然而,我们现在应该强调,提高数值行为和性能的最好方法是将您的模型。参数可以帮助管理数值问题的影响,但他们所能做的是有限的,他们通常有一个巨大的性能成本。
部分
