Pyomo中使用APPSI接口求解器多次运行路径不一致问题

问题场景 #

我基于Python/Pyomo搭建了PREP-SHOT能源扩张模型，遇到以下异常：

• 使用appsi_highs求解器时，多次运行的目标函数值恒定，但求解路径、决策变量集合存在差异
• 切换为appsi_gurobi接口后，仍出现求解路径不一致的情况，且model fingerprints也发生变化
• 改用SolverFactory("gurobi", solver_io="python")直接调用gurobipy时，求解路径完全一致
• 每次求解前导出的LP文件完全相同，排除了模型配置本身的问题

核心原因分析 #

1. APPSI接口的默认随机性配置 #

APPSI（Pyomo抽象持久化求解器接口）为适配多求解器场景，可能默认启用了带随机性的求解器参数：

• 线程调度随机性：多线程模式下，求解器分支定界树的探索顺序受线程执行顺序影响，导致路径差异
• 启发式算法随机种子未固定：部分求解器（如Gurobi）在APPSI接口下未默认设置固定随机种子，启发式搜索的初始方向每次不同
• 预求解/切割平面的随机选择：APPSI的封装逻辑可能会随机选择预求解策略或切割平面生成方式，不影响最优值但改变求解路径

而直接调用gurobipy时，Pyomo会直接传递参数给Gurobi内核，默认可能固定了随机种子，或未启用APPSI层的随机选项。

2. APPSI与原生接口的参数传递差异 #

APPSI接口对求解器参数做了适配封装，可能覆盖或添加了原生接口默认关闭的选项：

• 例如Gurobi的Seed参数，APPSI接口未默认设置，而原生gurobipy接口可能继承了环境变量或Pyomo的全局默认种子
• APPSI可能默认启用了ConcurrentMIP这类并行求解选项，同时探索多个分支定界树，天然会导致求解路径不同

3. Model Fingerprint的计算逻辑差异 #

APPSI在处理模型时，可能会临时调整内部结构（如变量排序、约束重排），这些调整不影响LP文件的一致性，但会改变Pyomo计算model fingerprint的依据，导致指纹变化。而原生gurobipy接口直接映射原始模型结构，不会做这类调整。

验证与解决建议 #

• 固定随机种子：使用APPSI接口时，显式设置求解器的随机种子参数，以消除随机性：

  solver = SolverFactory("appsi_gurobi")
  solver.options["Seed"] = 12345  # 固定种子值
  

• 禁用并行随机性：关闭多线程相关的随机选项，强制单线程求解：

  solver.options["Threads"] = 1
  solver.options["ConcurrentMIP"] = 0  # 禁用并行分支定界
  

• 对比参数配置：导出APPSI与原生接口传递给求解器的参数列表，检查差异。可通过solver.print_options()或Gurobi模型的getAttr("Params")查看详细参数。

复现步骤 #

下载并解压相关脚本与数据文件至PREP-SHOT文件夹，执行以下命令：

cd PREP-SHOT
conda env create -f prep-shot.yml
conda activate prep-shot-dev
python run.py

多次运行python run.py即可观察到求解路径的差异。

内容的提问来源于stack exchange，提问作者zhanwei