SCIP预求解变量边界过度收紧问题及正确边界获取方法咨询

问题原因 #

SCIP默认的presolve()并非用于计算变量的全局可行紧边界，它的核心目标是简化模型以加速后续求解：

• 当模型无目标函数时，预求解会寻找任意可行点并直接固定变量到该点（比如你的测试用例中x=0,y=5,z=0是一个合法可行解）；
• 添加目标函数后，预求解会沿着目标优化方向将变量推到最优边界（比如最大化y时，y会被固定到上限5，进而推导得出x=0,z=0）。
  这两种场景下，SCIP都不会主动计算所有可行解范围内的变量上下界。

解决方法 #

要获取每个变量在所有可行解中的真实紧边界，需要调用SCIP专门的边界计算接口，而非依赖预求解。修改代码如下：

from pyscipopt import Model

# 创建模型
model = Model("minimal_example")

# 添加变量，初始边界-5到5
x = model.addVar("x", lb=-5, ub=5)
y = model.addVar("y", lb=-5, ub=5)
z = model.addVar("z", lb=-5, ub=5)

# 添加约束
model.addCons(x + y == 5)
model.addCons(y + z == 5)

# 计算全局紧边界，替代预求解步骤
model.computeTightBounds()

# 输出结果
print("全局紧边界计算结果：")
print(f"x的边界: {x.getLbLocal()} ≤ x ≤ {x.getUbLocal()}")
print(f"y的边界: {y.getLbLocal()} ≤ y ≤ {y.getUbLocal()}")
print(f"z的边界: {z.getLbLocal()} ≤ z ≤ {z.getUbLocal()}")

补充说明 #

• computeTightBounds()会通过线性规划（LP）分别对每个变量求解最大化、最小化问题，从而得到该变量在可行域内的上下界；
• 若模型规模较大，该方法的计算成本高于预求解，因为需要多次求解LP问题；
• 如果需要保留预求解简化模型的同时获取紧边界，可先关闭预求解中的变量固定参数，再调用边界计算，但直接使用computeTightBounds()是最直接的方式。

内容的提问来源于stack exchange，提问作者J.Galt