獲取 LP 松弛解值

Question

要在 pyscipopt 中優化后得到最終的解決方案，我們可以這樣做

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

我想在分支定界樹的每個節點獲得 LP 松弛解決方案。 這樣做的一種方法是對每個（轉換后的）變量“x_ij”使用model.getVal(t_x_ij) 。 有沒有比遍歷所有轉換后的變量更有效的方法？ 如果您需要任何進一步的說明，請告訴我。

Answer 1

如果要求解 MIP，則需要在求解過程中獲取 LP 解值。 您需要實現一個回調，每當解決新節點 LP 時都會執行該回調。

您可能想查看TreeD ，這是我創建的一個項目，用於在PySCIPOpt的 MIP 求解過程中檢查和可視化各種與 LP 相關的信息。