通过HiGHS Solver与Linopy禁用Crossover后获取解决方案

我用Linopy实现线性规划模型，指定HiGHS Solver的内点法（IPM）求解。因业务需求不需要执行交叉步（Crossover），通过Linopy向HiGHS传递run_crossover='off'参数后，HiGHS确实跳过了交叉步，但Linopy判定模型未优化。请问这种情况怎么从Linopy里获取求解结果？

HiGHS日志信息 #

Ipx: IPM       optimal
WARNING: LP solver residuals: primal = 0.0710581; dual = 0.0473415 yield num/max/sum primal (391784/0.0710581/6.24267) and dual (463677/0.0473415/3.47325) corrections
WARNING: Unwelcome IPX status of Unknown: basis is not valid; solution is valid; run_crossover is "off"
Model name          : linopy-problem-m_vf1rkb
Model status        : Unknown
IPM       iterations: 48
Objective value     : -2.8809874134e+07
Relative P-D gap    :  7.5484672674e-01
HiGHS run time      :        141.71
Writing the solution to /private/var/folders/4p/qywpknvj5qx89qh1g6vy1qlc0000gn/T/linopy-solve-28b76k6g.sol

Linopy日志信息 #

Solution status unknown. Trying to parse solution.
Optimization failed: 
Status: unknown
Termination condition: unknown
Solution: 1786176 primals, 1456848 duals
Objective: -2.88e+07
Solver model: available
Solver message: unknown

解决方案 #

• 直接解析HiGHS生成的临时解文件：从HiGHS日志里找到解文件路径（如示例中的/private/var/folders/4p/qywpknvj5qx89qh1g6vy1qlc0000gn/T/linopy-solve-28b76k6g.sol），直接读取这个文件提取变量值和目标函数。.sol文件是文本格式，结构清晰，可通过脚本快速解析。

• 强制从Linopy模型提取解：尽管Linopy标记状态为未知，但实际解已存在于模型中，可尝试直接访问相关属性：

  # 获取变量解（假设变量名为x）
  x_solution = model.variables['x'].solution
  
  # 获取目标函数值
  objective = model.objective.value
  

  如果直接访问报错，可调用Linopy内部的解读取方法绕过状态检查：

  from linopy.solvers.highs import read_solution
  
  # 传入模型实例和解文件路径
  read_solution(model, '/private/var/folders/4p/qywpknvj5qx89qh1g6vy1qlc0000gn/T/linopy-solve-28b76k6g.sol')
  
  # 再次访问变量解
  x_solution = model.variables['x'].solution
  

• 自定义状态映射逻辑：如果需要长期解决这个问题，可以修改Linopy对HiGHS状态的判断逻辑——当HiGHS输出“IPM optimal”且run_crossover='off'时，将状态标记为最优。可通过继承HiGHS求解器类，重写状态解析方法实现，适合有开发能力的场景。

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