Gekko与Pulp求解整数线性规划结果存差异且均有效，求原因与统一方法

1. 结果差异但均有效是否正常？ #

完全正常。你的模型存在多个整数最优解：

• Gekko结果：x1=184，x2=132，目标值=2*184+132=500
• Pulp结果：x1=250，x2=0，目标值=2*250+0=500
  两个解都满足所有约束，且目标值达到了全局最大值500，都是有效的最优解。整数规划问题中出现多个最优解是常见情况，不同求解器可能找到不同的最优顶点。

2. 如何让两个求解器得到完全相同的结果？ #

有几种可行方法：

• 使用同一求解器：Pulp默认使用CBC求解器，Gekko可以通过设置m.options.SOLVER=4切换到CBC，此时两者使用相同的求解器，大概率会得到一致结果。
• 添加偏好约束/调整目标函数：如果偏好某一类解（比如优先生产x1或x2），可以在目标函数中添加微小权重项，不影响原目标最优性但会引导求解器选择指定偏好的解：
  • 优先x1最大的解：m.Maximize(2*x1 + x2 + 1e-6*x1)（Gekko）或model += 2*x1 + x2 + 1e-6*x1（Pulp）
  • 优先x2最大的解：m.Maximize(2*x1 + x2 + 1e-6*x2)
• 调整求解器参数：修改求解器的分支策略、初始解选择等参数。例如Gekko的APOPT求解器可设置m.solver_options = ['minlp_branch_method=1']指定分支方法；Pulp的CBC可通过model.solve(pulp.CBC_CMD(options=['-strategy 1']))调整求解策略。

3. 是否因为使用了不同的算法？ #

是的，两者默认使用的求解器/算法存在差异：

• Pulp默认使用CBC（Coin-or Branch and Cut），这是专门的整数线性规划求解器，基于分支定界+剪枝算法。
• 你在Gekko中设置的SOLVER=1是APOPT（APMonitor Optimizer），它是混合整数非线性规划求解器，采用自定义分支定界算法，同时支持非线性问题求解。
  即使同属整数规划求解器，不同工具的分支顺序、剪枝规则、初始解启发式逻辑不同，会导致找到不同的最优解。

4. 为什么Gekko输出的目标函数结果为负数？ #

Gekko内部会将所有最大化问题转换为最小化问题求解：最大化2*x1 + x2等价于最小化-(2*x1 + x2)。m.options.objfcnval返回的是转换后最小化问题的目标值，所以最优值为-500，对应原最大化问题的目标值500。你可以通过-m.options.objfcnval或者直接计算2*x1.value[0] + x2.value[0]得到原问题的实际利润值。

内容的提问来源于stack exchange，提问作者estellec