当面对选择参数值的任务可能导致更好的性能模型,长串Gurobi参数似乎令人生畏。为了简化这个过程,我们有一个简单的自动参数调优工具。从交互式shell命令调优():
gurobi > m =阅读(“/ opt / gurobi1001 / linux64/ /数据/例子misc07”)
gurobi > m.tune ()
调优也可以作为一个独立的程序。从命令提示符,你可以输入:
grbtune美元/ opt / gurobi1001 linux64 / /数据/例子p0033
该工具尝试许多不同的参数设置,并最终输出它找到的最好的。例如:
14测试参数设置在26.71年代基线参数集:意思是运行时0.93秒默认参数#名称0 1 2 Avg Max Std Dev 0 MISC07 0.90秒0.03 0.92 0.98 0.98 0.93年代年代改进参数集1(平均运行时0.74 s): CoverCuts Presolve 2 #名0 1 2 Avg Max Std Dev 0 MISC07 0.71秒0.03 0.75 0.78 0.78 0.74年代年代改进参数集2(平均运行时0.80 s): Presolve 2 #名字0 1 2 Avg Max Std Dev 0 MISC07 0.74秒0.80 0.05 0.86 0.86 0.80年代年代
在本例中,它发现设置Presolve参数2,CoverCuts参数1模型misc07降低了平均运行时从0.93到0.74。
注意调整是为了给将军的建议可能有助于性能的参数。你应该确保它给一个模型结果有用的模型你计划的全面解决。你有时可能会发现性能问题不能单独固定参数变化,特别是如果你的模型有严重的数值问题。
进一步的信息
评论
0评论
文章是关闭了评论。