获取 LP 松弛解值

Question

要在 pyscipopt 中优化后得到最终的解决方案，我们可以这样做

# define x to be a vector of x_ij variables
model.data = x
model.optimize()
X = model.getVal(x)

我想在分支定界树的每个节点获得 LP 松弛解决方案。 这样做的一种方法是对每个（转换后的）变量“x_ij”使用model.getVal(t_x_ij) 。 有没有比遍历所有转换后的变量更有效的方法？ 如果您需要任何进一步的说明，请告诉我。

Answer 1

如果要求解 MIP，则需要在求解过程中获取 LP 解值。 您需要实现一个回调，每当解决新节点 LP 时都会执行该回调。

您可能想查看TreeD ，这是我创建的一个项目，用于在PySCIPOpt的 MIP 求解过程中检查和可视化各种与 LP 相关的信息。