Matlab+Gurobi遇MEX限制，如何实现每线程求解一个Simplex LP并行？

方案1：Matlab内改用进程式并行池 #

Matlab的线程型worker不支持MEX，但进程型worker完全兼容Gurobi的MEX接口，每个worker是独立进程，不会触发MEX使用限制：

• 操作步骤：
  1. 创建进程并行池：parpool('Processes', N)，N设为你需要的并行数（比如CPU核心数）
  2. 在parfor循环中正常调用Gurobi求解每个LP，每个迭代对应一个独立LP
  3. 提前确保所有worker能访问Gurobi路径：可以在创建池前执行addpath(gurobi_root)，或者在parfor内先调用gurobi_setup

方案2：换用Python/C++原生实现并行 #

如果Matlab的限制难以适配，直接用Gurobi原生支持更好的语言实现：

Python版本 #

用进程池并行，每个进程独立求解一个LP，完全避开MEX限制：

from gurobipy import Model
from concurrent.futures import ProcessPoolExecutor

def solve_single_lp(lp_config):
    # lp_config包含单个LP的目标、约束、变量边界等数据
    model = Model()
    # 构建LP模型（添加变量、约束、设置目标）
    model.optimize()
    # 返回结果：目标值、变量解、可行性状态
    return {
        "obj_val": model.objVal if model.status == Model.OPTIMAL else None,
        "solution": model.getAttr("x") if model.status == Model.OPTIMAL else None,
        "is_feasible": model.status in [Model.OPTIMAL, Model.FEASIBLE]
    }

# 假设lp_configs是所有待求解LP的配置列表
with ProcessPoolExecutor(max_workers=4) as executor:
    results = list(executor.map(solve_single_lp, lp_configs))

C++版本 #

用线程或线程池实现，每个线程独立创建Gurobi环境和模型（注意Env不能跨线程共享）：

#include <gurobi_c++.h>
#include <vector>
#include <thread>

struct LPResult {
    double obj_val;
    std::vector<double> solution;
    bool is_feasible;
};

LPResult solve_single_lp(const LPConfig& config) {
    GRBEnv env = GRBEnv(true);
    env.start();
    GRBModel model(env);
    // 构建LP模型：添加变量、约束、设置目标
    model.optimize();

    LPResult res{};
    int status = model.get(GRB_IntAttr_Status);
    res.is_feasible = (status == GRB_OPTIMAL || status == GRB_FEASIBLE);
    if (res.is_feasible) {
        res.obj_val = model.get(GRB_DoubleAttr_ObjVal);
        int var_count = model.get(GRB_IntAttr_NumVars);
        res.solution.resize(var_count);
        model.getVars(res.solution.data(), var_count);
    }
    return res;
}

int main() {
    std::vector<LPConfig> lp_configs;
    // 填充所有LP的配置数据
    std::vector<std::thread> threads;
    std::vector<LPResult> results(lp_configs.size());

    for (size_t i = 0; i < lp_configs.size(); ++i) {
        threads.emplace_back([&, i]() {
            results[i] = solve_single_lp(lp_configs[i]);
        });
    }

    for (auto& t : threads) {
        t.join();
    }

    // 处理results中的求解结果
    return 0;
}

方案3：Gurobi批量求解模式 #

用Gurobi的命令行批量工具，无需修改太多Matlab代码：

1. 将每个LP模型导出为.mps或.lp文件（Matlab中用gurobi_write函数）
2. 调用Gurobi命令行工具gurobi_cl，用--batch参数批量处理，同时指定每个求解用1线程：

   % 假设lp_files是所有LP文件路径的单元格数组
   file_list = strjoin(lp_files, ' ');
   % 执行批量求解，每个LP用1线程，并行处理
   system(['gurobi_cl --batch Threads=1 ' file_list]);
   

3. 读取每个LP对应的.sol结果文件，解析求解状态和结果

内容的提问来源于stack exchange，提问作者Alekzei Vallarfax